Méthodes et formules pour le récapitulatif du modèle dans Ajuster le modèle et Découvrir les prédicteurs principaux avec Régression TreeNet®

Remarque

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

Sélectionnez la méthode ou la formule de votre choix.

Prédicteurs importants

Nombre de prédicteurs ayant une importance relative positive.
Un modèle Régression TreeNet® provient d'une séquence de petits arbres de régression qui utilisent des valeurs résiduelles généralisées comme variable de réponse. Le calcul du score d’amélioration du modèle pour un prédicteur à partir d’un seul arbre s'effectue en deux étapes :
  1. Trouvez la réduction des erreurs moyennes au carré lorsque le prédicteur divise un nœud.
  2. Ajoutez toutes les réductions de tous les nœuds où le prédicteur est le séparateur de nœuds.

Le score d’importance pour le prédicteur est alors égal à la somme des scores d’amélioration du modèle sur tous les arbres.

R carré

Le R2 est également appelé coefficient de détermination.

Racine de l'erreur quadratique moyenne (RMSE)

Erreur quadratique moyenne (MSE)

Écart absolu moyen (MAD)

Pourcentage d'erreur absolue moyen (MAPE)

Notation

TermeDescription
yi valeur de réponse observée
réponse moyenne
réponse ajustée
Nnombre de lignes
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique