Courbe d'importance relative des variables pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Regression TreeNet®

Remarque

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

La courbe d'importance relative des variables trace les prédicteurs dans l'ordre de leur effet sur l'amélioration du modèle lorsqu'un prédicteur est divisé sur la séquence des arbres. La variable ayant le score d'amélioration le plus élevé est prise comme la plus importante, et les autres variables suivent par ordre d'importance. L'importance relative des variables normalise les valeurs d'importance pour faciliter l'interprétation. L'importance relative se définit comme l'amélioration en pourcentage par rapport au prédicteur le plus important, qui a une importance de 100 %.

L’importance relative est calculée en divisant chaque score d’importance des variables par le plus grand score d’importance des variables. Le résultat est ensuite multiplié par 100 %.

Interprétation

Les valeurs d'importance relative des variables varient de 0 % à 100 %. La variable la plus importante a toujours une importance relative de 100 %. Si une variable n'est pas du tout utilisée dans le modèle, cela signifie qu'elle n'est pas importante.

La variable de prédiction la plus importante est Région statistique de base. Si l'importance de la principale variable de prédiction, c'est-à-dire Région statistique de base est de 100 %, alors la variable importante suivante, Revenu annuel, présente une contribution de 57,0 %. Cela signifie que le revenu annuel de l'emprunteur est 57 % aussi important que l'emplacement géographique du bien.

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