Remarque
Cette commande est disponible avec le Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.
Le diagramme de taux de mauvais classement par rapport au nombre d'arbres indique le taux de mauvais classement sur l'axe des Y et le nombre d'arbres sur l'axe des X. Le taux minimal de mauvais classement indique si le modèle est un bon classificateur. Utilisez les résultats de test pour évaluer les performances du modèle afin de prédire de nouvelles observations. Comparez les résultats d'apprentissage et de test pour voir s'il existe des problèmes de surajustement avec le modèle de l'ensemble de données d'apprentissage.
Lorsque l'aire sous la courbe ROC détermine le nombre d'arbres pour le modèle optimal, Minitab affiche le diagramme de la zone située sous la courbe ROC par rapport au nombre d'arbres. Lorsque la valeur de vraisemblance maximale détermine le nombre d'arbres pour le modèle optimal, Minitab affiche le diagramme de la moyenne de log de vraisemblance par rapport au nombre d'arbres.
Interprétation
Les taux de mauvais classement doivent être supérieurs ou égaux à 0. Plus les valeurs sont faibles, meilleure est la classification du modèle. La ligne de référence indique le taux de mauvais classement optimal pour les données de test et le nombre d'arbres dans le modèle. Si la courbe de test indique un modèle insuffisant, déterminez s'il est nécessaire d'effectuer à nouveau l'analyse avec d'autres paramètres, tels que des taux d'apprentissage plus élevés ou plus faibles, ou une fraction de sous-échantillon plus élevée.
