MAD vs nombre d’arbres tracés pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Régression TreeNet^®

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.

Le diagramme du MAD par rapport au nombre d'arbres indique l'écart absolu moyen sur l'axe des Y et le nombre d'arbres sur l'axe des X. L'écart absolu moyen indique si le modèle est adéquat. Lorsque l’analyse utilise une méthode de validation, le graphique inclut une ligne pour les résultats de validation. Utilisez les résultats de validation pour évaluer la performance du modèle afin de prédire de nouvelles observations. Comparez les résultats d'apprentissage et de validation pour voir s'il existe des problèmes de surajustement avec le modèle de l'ensemble de données d'apprentissage.

Cette analyse cultive 5 000 arbres. Le nombre optimal d'arbres est 4 905. La valeur optimale pour les données de test est d'environ 39 580 lorsque le nombre d'arbres est de 4 905.

Lorsque la méthode de fonction de perte ou d'erreur quadratique détermine le nombre d'arbres pour le modèle optimal, Minitab affiche le diagramme du R² par rapport au nombre d'arbres.

Interprétation

Des valeurs de MAD faibles indiquent que le modèle est bien ajusté. La ligne de référence indique la valeur optimale de MAD pour les résultats de validation et le nombre d’arbres dans le modèle. Si la courbe depuis résultats de validation indique un modèle insuffisant, envisagez de refaire l’analyse avec des paramètres alternatifs, tels que des taux d’apprentissage plus grands ou plus petits, ou une fraction de sous-échantillon plus grande.

MAD vs nombre d’arbres tracés pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Régression TreeNet®

Remarque

Interprétation

MAD vs nombre d’arbres tracés pour Ajuster le modèle et Découvrir les prédicteurs principaux avec Régression TreeNet^®