Sélection du nombre optimal d'arbres pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Classification TreeNet^®

Les critères d'optimisation, comme le log de vraisemblance maximal, ont tendance à être optimistes lorsque vous les calculez avec les mêmes données que celles que vous utilisez pour ajuster un modèle. Les méthodes de validation de modèle omettent une partie des données lors du procédé d'ajustement du modèle, puis calculent les statistiques qui évaluent les performances du modèle sur les données omises. Les techniques de validation de modèle fournissent une meilleure estimation de la performance des modèles sur de nouvelles données. Selon votre sélection pour l'analyse, le critère est le log de vraisemblance maximal, l'aire maximale sous la courbe ROC ou le taux minimal de mauvais classement. Minitab propose deux méthodes de validation : la validation croisée sur K ensembles et la validation avec un ensemble de données de test distinct.

La validation croisée sur K ensembles est la méthode par défaut dans Minitab lorsque les données comprennent un maximum de 2000 cas. Étant donné que le processus se répète K fois, la validation croisée est généralement plus lente que la validation avec un ensemble de test.

Lors de la validation avec un ensemble de test, une partie des données est mise de côté pour validation. Les données restantes sont l’ensemble d'apprentissage. Tout d’abord, Minitab développe la séquence des arbres avec l’ensemble d'apprentissage. Ensuite, Minitab calcule les valeurs du critère de sélection du modèle pour chaque nombre d’arbres avec l’ensemble de test. Le nombre d'arbres ayant la meilleure valeur est le modèle optimal.

Sans aucune validation, Minitab utilise l'ensemble de données complet pour ajuster le modèle. Le modèle final contient le plus grand nombre d’arbres.