Méthodes et formules pour affiner les hyperparamètres dans Ajuster le modèle et Découvrir les prédicteurs principaux avec Régression TreeNet®

Remarque

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

Si vous spécifiez des valeurs pour plus d’un hyperparamètre, les modèles dans le tableau d’évaluation dépendent de l'évaluation ou non des combinaisons complètes des hyperparamètres.

  • Si vous sélectionnez Évaluer les combinaisons complètes de paramètres, l’algorithme évalue chaque combinaison des hyperparamètres. Cette option prend généralement plus de temps à calculer.
  • Dans le cas contraire, l’algorithme évalue les hyperparamètres dans cet ordre :
    1. Taux d'apprentissage
    2. Fraction de sous-échantillon
    3. Paramètre individuel de complexité des arbres
    Supposons par exemple que l’algorithme reçoive les hyperparamètres suivants :
    • Taux d'apprentissage : 0,001, 0,01, 0,1
    • Fractions de sous-échantillon : 0,4, 0,5, 0,7
    • Nombre maximal de nœuds terminaux : 4, 6
    1. L’algorithme définit la proportion de sous-échantillon à 0,4 et le nombre maximal de nœuds terminaux à 4. Ensuite, l’algorithme évalue les taux d’apprentissage d'un plus petit au plus grand : 0,001, 0,01, 0,1.
    2. Supposons que l’algorithme identifie 0,01 comme le meilleur taux d’apprentissage. Ensuite, l’algorithme fixe le taux d’apprentissage à 0,01 et le nombre maximal de nœuds terminaux à 4. Ensuite, l’algorithme évalue les proportions de sous-échantillon de 0,4, 0,5 et 0,7.
    3. Supposons que l’algorithme identifie 0,5 comme la meilleure proportion de sous-échantillon. Ensuite, l’algorithme fixe le taux d’apprentissage à 0,01, la proportion de sous-échantillon à 0,5. Ensuite, l’algorithme évalue le nombre maximal de nœuds de 4 et 6.
    4. Supposons que l’algorithme identifie 6 comme le meilleur nombre maximal de nœuds terminaux. Ensuite, Minitab produit le tableau d’évaluation et les résultats pour le modèle avec un taux d’apprentissage = 0,01, la proportion de sous-échantillon 0,5, et le nombre maximal de nœuds terminaux 6.

Dans cet exemple, l’analyse qui n’évalue pas l’ensemble complet des combinaisons de paramètres comprend 8 modèles dans le tableau d’évaluation. Une analyse de toutes les combinaisons de paramètres a 3 × 3 × 2 = 18 combinaisons et prend plus de temps à calculer.

Pour plus de détails sur le calcul des critères d’exactitude pour un modèle individuel, passez à Méthodes et formules pour le récapitulatif du modèle dans Ajuster le modèle et Découvrir les prédicteurs principaux avec Régression TreeNet®.