Remarque
Cette commande est disponible avec le Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.
Après la création d’un modèle avec Découvrir le meilleur modèle (réponse continue), vous pouvez cliquer pour explorer Sélectionner un autre arbre d’autres modèles. Si vous sélectionnez un modèle ® Forêts aléatoires, une option consiste à spécifier des hyperparamètres pour s’adapter aux nouveaux modèles. Si vous spécifiez des hyperparamètres, les résultats incluent le tableau Optimisation des hyperparamètres. Le tableau compare les combinaisons d’hyperparamètres. Les résultats qui suivent le tableau Optimisation des hyperparamètres sont pour le modèle avec la meilleure valeur du critère d’optimalité, tel que le maximum R2.
R carré
Le R2 est le pourcentage de variation dans la réponse que le modèle explique.
Interprétation
Utilisez le R2 pour déterminer la qualité d'ajustement offert par le modèle. Plus la valeur de R2 est élevée, plus l'ajustement offert par le modèle est bon. Le R2 se situe toujours entre 0 % et 100 %.
Remarque
Étant donné que Random Forests® utilise des données out-of-bag pour calculer R2, mais pas pour s’adapter au modèle, le surajustement du modèle n’est pas un problème.
Écart absolu moyen (MAD)
L'écart absolu moyen (MAD) exprime l'exactitude dans les mêmes unités que les données, ce qui permet de conceptualiser la quantité d'erreurs. Les valeurs aberrantes ont moins d'effet sur le MAD que sur R2.
Interprétation
Utilisez cette statistique pour comparer les valeurs ajustées de différents modèles. Des valeurs plus petites indiquent un meilleur ajustement.
Nombre de prédicteurs pour le fractionnement de nœud
Cette ligne indique le choix du nombre de prédicteurs à prendre en compte.
Taille minimale du nœud interne
La taille minimale du nœud interne est le nombre minimal de cas que peut avoir un nœud tout en pouvant se séparer en d'autres nœuds.
Nombre d'échantillons bootstrap
Le nombre d’échantillons bootstrap indique le nombre d’arbres dans l'analyse.
