Une équipe de chercheurs recueille et publie des informations détaillées sur les facteurs ayant une influence sur les maladies cardiaques. Les variables incluent l’âge, le sexe, les niveaux de cholestérol, la fréquence cardiaque maximale et plus encore. Cet exemple utilise un ensemble de données publiques comprenant des informations détaillées sur les maladies cardiaques. Les données d’origine proviennent du site archive.ics.uci.edu.
Après une première exploration à l'aide de la fonction Classification
CART® pour identifier les prédicteurs importants, les chercheurs utilisent les fonctions Classification
TreeNet® et Classification
Random Forests® afin de créer des modèles plus avancés à partir du même ensemble de données. Les chercheurs comparent le tableau récapitulatif du modèle et la courbe ROC dans les résultats pour évaluer quel modèle fournit un meilleur résultat de prédiction. Pour consulter les résultats des autres analyses, accédez à Exemple de Classification CART® et à Exemple de Ajuster le modèle de Classification TreeNet®.
Sélectionnez Module d'analyse
prédictive > Classification
Random Forests®.
Dans la liste déroulante, sélectionnez Réponse
binaire.
Dans Réponse, saisissez Maladies cardiaques.
Dans Evénement de
réponse, sélectionnez Oui pour indiquer qu'une maladie cardiaque a été détectée chez le patient.
Dans Prédicteurs continus, saisissez Âge, Pression artérielle de repos, Cholestérol, Fréquence cardiaque maximale et Vieux pic.
Dans Prédicteurs de catégorie, saisissez Sexe, Type de douleur thoracique, Sucre de sang de jeûne, Repos ECG, Exercice Angina, Pente, Principaux navires et Thal.
Cliquez sur OK.
Interpréter les résultats
Pour cette analyse, le nombre d'observations est de 303. Chacun des 300 échantillons bootstrap utilise les 303 observations pour créer un arbre. Les données incluent une division correcte des non-événements et des événements.
Méthode
Validation de modèle
Validation avec données out-of-bag
Nombre d'échantillons bootstrap
300
Effectif d'échantillon
Identique à la taille des données d'apprentissage de 303
Nombre de prédicteurs sélectionnés pour la partition des nœuds
Racine carrée du nombre total de prédicteurs = 3
Taille minimale du nœud interne
2
Lignes utilisées
303
Informations de réponse binaire
Variable
Classe
Dénombrement
%
Maladies cardiaques
Oui (Événement)
139
45,87
Non
164
54,13
Tous
303
100,00
Récapitulatif du modèle
Nombre total de prédicteurs
13
Prédicteurs importants
13
Statistiques
Out-of-Bag
Log de vraisemblance de moyenne
0,4004
Zone située sous la courbe ROC
0,9028
IC à 95 %
(0,8693; 0,9363)
Lift
2,1079
Taux de mauvaise classification
0,1848
Récapitulatif du modèle
Nombre total de prédicteurs
13
Prédicteurs importants
13
Nombre d'arbres développés
500
Nombre optimal d'arbres
351
Statistiques
Apprentissage
Test
Log de vraisemblance de moyenne
0,2341
0,3865
Zone située sous la courbe ROC
0,9825
0,9089
IC à 95 %
(0,9706; 0,9945)
(0,8757; 0,9421)
Lift
2,1799
2,1087
Taux de mauvaise classification
0,0759
0,1750
Le tableau récapitulatif du modèle montre que la moyenne du log de vraisemblance négatif est de 0,3994. Ces statistiques indiquent un modèle semblable à celui que Minitab TreeNet® crée en développant 500 arbres. De plus, les taux de mauvais classement sont similaires.
Matrice de confusion
Catégorie prévue (Out-of-Bag)
Classe réelle
Dénombrement
Oui
Non
% correct
Oui (Événement)
139
109
30
78,42
Non
164
26
138
84,15
Tous
303
135
168
81,52
Statistiques
Out-of-Bag (%)
Taux de vrai positif (sensibilité ou puissance)
78,42
Taux de faux positif (erreur de type I)
15,85
Taux de faux négatif (erreur de type II)
21,58
Taux de vrai négatif (spécificité)
84,15
La matrice de confusion montre la capacité du modèle à séparer correctement les classes. Dans cet exemple, la probabilité qu'un événement soit correctement prédit est de 78,42%. La probabilité qu'un non-événement soit correctement prédit est de 84,15%.
Mauvais classement
Out-of-Bag
Classe réelle
Dénombrement
Mal classé
% erreur
Oui (Événement)
139
30
21,58
Non
164
26
15,85
Tous
303
56
18,48
Le taux de mauvais classement permet d'indiquer si le modèle prédira avec précision les nouvelles observations. L'erreur de mauvais classement est de 21,58% pour la prédiction des événements. L'erreur de mauvais classement de test est de 15,85% pour la prédiction des non-événements et de 18,48% pour l'ensemble.