Indiquer les paramètres par défaut pour Régression CART^®

Fichier > Options > Analyse prédictive > Régression CART®

Spécifiez les méthodes par défaut pour les arbres de régression. Les modifications apportées aux paramètres par défaut s'appliquent jusqu'à une nouvelle modification de ces derniers, même si vous avez quitté Minitab.

Méthode de partition des nœuds

Choisissez la méthode de partition pour générer votre arbre de décision. Vous pouvez comparer les résultats des deux méthodes de partition pour déterminer le meilleur choix pour votre application.

Moindre erreur quadratique : la méthode de la moindre erreur quadratique est la méthode par défaut et fonctionne bien dans de nombreuses applications. La méthode de la moindre erreur quadratique minimise la somme des erreurs quadratiques.
Moindre écart absolu : La méthode du moindre écart absolu minimise la somme des valeurs absolues des erreurs.

Critère de sélection d'un arbre optimal

Quand Moindre erreur quadratique est le critère pour la méthode de partition des nœuds, choisissez entre ces critères pour produire l'arbre dans les résultats. Vous pouvez comparer les résultats de différents arbres pour déterminer le meilleur choix pour votre application.

R carré maximal: Sélectionnez cette option pour afficher les résultats de l'arbre avec la valeur maximale de R carré.
Dans K erreurs types du R carré maximal ; K =: Sélectionnez cette option pour que Minitab choisisse le plus petit arbre avec une valeur de R² située à moins de K erreurs types de l'arbre avec la valeur de R² maximale. Par défaut, K = 1, de sorte que l'arbre dans les résultats est le plus petit arbre de classification présentant une valeur de R² située à moins d'1 erreur type de la valeur de R² maximale.

Quand Moindre écart absolu est sélectionné comme méthode de partition des nœuds, choisissez entre ces critères pour sélectionner l'arbre dans les résultats. Vous pouvez comparer les résultats de différents arbres pour déterminer le meilleur choix pour votre application.

Moindre écart moyen absolu: Sélectionnez cette option pour afficher les résultats pour l'arbre avec le plus petit écart absolu moyen.
Dans K erreurs types du moindre écart moyen absolu ; K =: Sélectionnez cette option pour que Minitab choisisse un arbre avec une valeur d'écart absolu moyen située à moins de K erreurs types de l'arbre avec la valeur de moindre écart absolu moyen. Par défaut, K = 1, de sorte que l'arbre dans les résultats est le plus petit arbre de classification présentant une valeur d'écart absolu moyen située à moins d'1 erreur type de la valeur du plus petit écart absolu moyen.

Nombre minimal de cas pour diviser un nœud interne

Saisissez une valeur pour représenter le nombre minimal de cas d'un nœud interne à diviser. Elle est par défaut de 10. Avec des échantillons plus grands, il est préférable d'augmenter ce minimum. Si par exemple, un nœud interne contient 10 cas ou plus, Minitab essaie d'effectuer une partition. Si le nœud interne contient 9 cas ou moins, Minitab n'essaie pas d'effectuer de partition.

La limite interne de nœuds doit être au moins deux fois la limite de nœuds terminaux, mais les rapports plus élevés sont meilleurs. Les limites internes de nœuds d'au moins 3 fois les limites de nœuds terminaux permettent d'utiliser un nombre raisonnable de séparateurs.

La valeur par défaut est de 10.

Nombre minimal de cas autorisés pour un nœud terminal

Saisissez une valeur pour représenter le nombre minimal de cas qui peuvent être séparés en un nœud terminal. La valeur par défaut est 3. Avec des échantillons plus grands, il est préférable d'augmenter ce minimum. Si par exemple une partition crée un nœud avec moins de 3 cas, Minitab n'effectue pas de partition.

La valeur par défaut est 3.

Pénalité de valeur manquante

Saisissez une valeur de pénalités pour un prédicteur avec des valeurs manquantes Parce qu’il est plus facile d’être un bon diviseur avec moins de données, les prédicteurs avec données manquantes ont un avantage sur les prédicteurs sans données manquantes. Utilisez cette option pour pénaliser les prédicteurs avec données manquantes.

0,0 ≤ K ≤ 2,0, par exemple :

K = 0 : Spécifie aucune pénalité.
K = 2 : Spécifie la pénalité la plus élevée.

Pénalité de catégorie de niveau élevé

Saisissez une valeur de pénalité pour les prédicteurs de catégorie qui ont de nombreuses valeurs. Parce que les prédicteurs de catégorie avec de nombreux niveaux peuvent déformer un arbre en raison de leur puissance de fractionnement accrue, ils ont un avantage sur les prédicteurs avec moins de niveaux. Utilisez cette option pour pénaliser les prédicteurs avec de nombreux niveaux.

0,0 ≤ K ≤ 5,0, par exemple :

K = 0 : Spécifie aucune pénalité.
K = 5 : Spécifie la pénalité la plus élevée.

Affichage de graphiques et de tableaux

Valeurs résiduelles des graphiques

Spécifiez le type de valeurs résiduelles à afficher sur la boîte à moustaches des diagrammes des valeurs résiduelles.

Standard : par défaut, la boîte à moustaches affiche des valeurs résiduelles régulières.
Pourcent : choisissez d'afficher le pourcentage de valeurs résiduelles sur la boîte à moustaches.

Type des nœuds terminaux

Choisissez d'afficher les meilleurs nœuds, les pires nœuds, ou les deux pour le tableau des valeurs ajustées et statistiques d'erreur, et les critères de classification des sujets.

Meilleur : par défaut, Minitab affiche les meilleurs nœuds terminaux. Les meilleurs nœuds sont ceux qui ont les valeurs de MSE ou de MAD les plus faibles.
Pire : sélectionnez cette option afin d'afficher les pires nœuds terminaux. Les pires nœuds sont ceux qui ont les valeurs de MSE ou de MAD les plus élevées.
Meilleur et pire : sélectionnez cette option afin d'afficher les meilleurs et les pires nœuds terminaux.

Indiquer les paramètres par défaut pour Régression CART®

Indiquer les paramètres par défaut pour Régression CART^®