Diagrammes de dépendance partielle pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Classification TreeNet®

Remarque

Cette commande est disponible avec le Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.

Utilisez les diagrammes de dépendance partielle pour mieux comprendre comment les variables ou les paires de variables importantes affectent les probabilités d'événements estimées de la réponse prévue.
Minitab trace la moyenne marginale de la probabilité de succès de la moitié du logarithme par rapport à chaque prédicteur pour aider à identifier l'étendue de valeurs de prédiction qui génèrent des probabilités d'événements plus élevées. Cette relation individuelle entre ajustement = moitié du logarithme (probabilité d'événement/1 – probabilité d'événement) et probabilité d'événement est facile à interpréter. Par exemple, le graphique montre que lorsque l'ajustement est égal à 0, la probabilité d'événement est égale à 0,5.
Remarque

Probabilité de succès = probabilité d'événement / (1-probabilité d'événement)

Pour ajouter plus de diagrammes de dépendance partielle, Sélectionner plus de prédicteurs à tracercliquez après le dernier diagramme de ce type dans les résultats.

Diagramme de dépendance partielle à un prédicteur

Le diagramme de dépendance partielle à un prédicteur affiche la variation de l'ajustement de la moyenne qui représente la probabilité d'événement en fonction des modifications apportées aux niveaux des prédicteurs.

Ce diagramme montre que la probabilité d'un événement de maladie cardiaque augmente à mesure que le type de défaut passe de normal à fixe à réversible. La dernière catégorie correspond à l'absence des données pour cette variable.

Le deuxième diagramme montre que la probabilité la plus élevée pour un événement de maladie cardiaque a lieu lorsque le nombre de principaux vaisseaux colorés par radioscopie se situe entre 1 et 3.

Le troisième diagramme montre que lorsque le type de douleur thoracique est 4, la probabilité moyenne de succès de la moitié du logarithme de l'incidence des maladies cardiaques augmente de −0,05 à −0,03 environ jusqu'à 0,03.

Le quatrième diagramme montre que plus l'ancienne valeur de pic est élevée, plus la probabilité d'avoir une maladie cardiaque est élevée jusqu'à ce que la valeur atteigne 3, où la probabilité se stabilise.

Diagramme de dépendance partielle à deux prédicteurs

Le diagramme de dépendance partielle à deux prédicteurs montre les effets d'interaction des points des prédicteurs sur les ajustements. En raison de la relation entre les ajustements et la probabilité d'événement, vous pouvez utiliser ce diagramme pour vous permettre d'identifier les valeurs de prédiction optimales. La probabilité d'événement augmente de manière monotonique à mesure que les valeurs ajustées augmentent.

Le diagramme de dépendance partielle à deux prédicteurs indique la variation de la réponse en fonction des modifications apportées aux niveaux des prédicteurs à deux variables importantes. Pour les prédicteurs de catégorie, Minitab affiche un graphique matriciel diagonal des différentes relations aux différents niveaux des prédicteurs. Pour les prédicteurs continus, Minitab affiche un diagramme de surface ou un graphique de contour de cette relation.

Le diagramme de surface et le graphique de contour montrent que la probabilité la plus élevée pour une notation favorable a lieu lorsque la fréquence cardiaque maximale se situe entre 100 et 120 et l'ancien pic entre 5 et 6.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique