Remarque
Cette commande est disponible avec la commande Module d'analyse prédictive. Cliquez ici pour plus d’informations sur la façon d’activer le module.
Une équipe de chercheurs recueille et publie des informations détaillées sur les facteurs qui affectent les maladies cardiaques. Les variables comprennent l’âge, le sexe, le taux de cholestérol, la fréquence cardiaque maximale, etc. Cet exemple est basé sur un ensemble de données publiques qui fournit des informations détaillées sur les maladies cardiaques. Les données originales proviennent de archive.ics.uci.edu.
Après une exploration initiale pour Classification CART® identifier les prédicteurs importants, les chercheurs utilisent les deux Classification TreeNet® et Classification Random Forests® pour créer des modèles plus intensifs à partir du même ensemble de données. Les chercheurs comparent le tableau récapitulatif du modèle et le graphique ROC à partir des résultats pour évaluer quel modèle fournit un meilleur résultat de prédiction. Pour obtenir les résultats des autres analyses, reportez-vous sur Exemple de Ajuster le modèle avec Classification TreeNet® et Exemple de Classification CART®.
- Ouvrez les données d’échantillonnage, MaladieCardiaqueBinaire.MWX.
- Choisissez .
- Dans la liste déroulante, sélectionnez Réponse binaire.
- Dans Réponse, entrez 'Maladies cardiaques'.
- Dans Evénement de réponse, sélectionnez Oui pour indiquer qu’une maladie cardiaque a été identifiée chez le patient.
- Dans Prédicteurs continus, entrez Âge, 'Pression artérielle de repos', Cholestérol, 'Fréquence cardiaque maximale' et 'Vieux pic'.
- Dans Prédicteurs de catégorie, entrez Sexe, 'Type de douleur thoracique', 'Sucre de sang de jeûne', 'Repos ECG', '', 'Exercice Angina', Pente 'Principaux navires', et Thal.
- Cliquez sur OK.
Interpréter des 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 |
Le graphique Taux d’erreur de classification en fonction du nombre d’arbres montre la courbe entière sur le nombre d’arbres cultivés. Le taux d’erreurs de classification est d’environ 0,18.
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 | Validation croisée |
|---|---|---|
| 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 similaire à celui Classification TreeNet® créé lors de la culture de 500 arbres. De plus, les taux d’erreurs de classification sont similaires.
Le graphique Importance relative des variables trace les prédicteurs dans l’ordre de leur effet sur l’amélioration du modèle lorsque des divisions sont effectuées sur un prédicteur au cours de la séquence d’arbres. La variable de prédiction la plus importante est Principaux vaisseaux. Si la contribution de la principale variable de prédiction, Principaux vaisseaux, est de 100 %, alors la variable importante suivante, Thal, a une contribution de 89,7 %. Ainsi, Thal est à 89,7 % aussi importante que Principaux vaisseaux dans ce modèle de classification.
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 dans quelle mesure le modèle sépare correctement les classes. Dans cet exemple, la probabilité qu’un événement soit prédit correctement est de 78,42 %. La probabilité qu’un non-événement soit prédit correctement 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 d’erreurs de classification 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. Pour la prédiction des non-événements, l’erreur de classification erronée est de 15,85 % et pour l’ensemble, l’erreur de classification erronée est de 18,48 %.
La zone située sous la courbe ROC pour ces données est d'environ 0,9028, ce qui montre une légère amélioration par rapport au modèle de la fonction Classification CART®. Le Classification TreeNet® modèle a un AUROC de validation croisée de 0,9089, donc ces deux méthodes donnent des résultats similaires.
Dans cet exemple, le graphique de gain montre une forte augmentation au-dessus de la ligne de référence, puis un aplatissement. Dans ce cas, environ 40 % des données représentent environ 78 % des vrais positifs. Cette différence est le gain supplémentaire lié à l’utilisation du modèle.
Dans cet exemple, le graphique d’élévation montre une forte augmentation au-dessus de la ligne de référence qui diminue progressivement.
