Sélectionner des résultats à afficher pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Classification TreeNet®

Module d'analyse prédictive > Classification TreeNet® > Ajuster le modèle > Résultats

Module d'analyse prédictive > Classification TreeNet® > Découvrir les prédicteurs principaux > Résultats

Remarque

Cette commande est disponible avec le Module d'analyse prédictive. Cliquez ici pour plus d'informations sur l'activation du module.

Sélectionnez les tableaux à afficher pour l'analyse.

Méthode
Affichez des informations sur la validation du modèle, le critère de sélection du nombre optimal d'arbres et d'autres informations sur l'analyse.
Informations de réponse
Affichez des informations de classe et de dénombrement pour les réponses.
Récapitulatif du modèle
Affichez des statistiques qui décrivent les performances du modèle prédictif pour l'évaluation du modèle. Comprend le nombre de prédicteurs, les prédicteurs importants, le nombre d'arbres cultivés, les taux de mauvais classement et d'autres informations d'ajustement du modèle.
Affecter une classe d'événement lorsque
Pour une réponse binaire, spécifiez le seuil d’attribution d'un cas à la classe événement.
  • La probabilité d'événement dépasse la valeur spécifiée : spécifiez la probabilité minimale prévue pour l'affectation d'un cas à la classe d'événement. Par exemple, une valeur de 0,5 signifie que Minitab attribue un cas à la classe d'événement lorsque la probabilité de l'événement est supérieure à 0,5.
  • La probabilité d'événement dépasse le taux d'événement de l'échantillon : spécifiez cette information pour utiliser le taux d'événement de l'échantillon des données d'apprentissage comme seuil d'affectation de la classe prévue pour un cas. Lorsque le taux d'événement de l'échantillon est supérieur à 0,50, cette option réduit la probabilité que les événements soient classés comme événements et augmente la probabilité qu'ils soient classés comme non-événements. Généralement, vous pouvez envisager d'utiliser cette option lorsque vous souhaitez équilibrer les taux de mauvais classement des événements et des non-événements par rapport à ce qu'ils seraient avec un seuil de 0,50.
Matrice de confusion
Affichez une matrice permettant de comparer les mesures de performance du modèle de classement.
Mauvais classement
Affichez les détails du mauvais classement de classe.