Lorsque vous utilisez , les résultats sont un schéma modèle. Utilisez les résultats du diagramme de modèle pour vérifier les modèles à utiliser pour l’optimisation. Si les résultats répondent aux attentes, sélectionnez Optimisation des réponses parmi les résultats pour procéder à l’optimisation.
Performance du modèle
| Variable de réponse | Modèle |
|---|---|
| État de remplissage | Random Forests® Classification multinomiale 1 |
| Poids supplémentaire | MARS® Régression 1 |
| force | TreeNet® Régression 1 |
| Variable de réponse | Méthode de validation |
|---|---|
| État de remplissage | Out-of-Bag |
| Poids supplémentaire | Validation croisée pour 5 ensemble(s) |
| force | Validation croisée pour 5 ensemble(s) |
| Variable de réponse | Performances |
|---|---|
| État de remplissage | Taux de mauvaise classification: 7,24% |
| Poids supplémentaire | R carré: 87,97% |
| force | R carré: 89,92% |
Plages des variables
| Variable | Importance moyenne | ID | Valeurs | Réponses |
|---|---|---|---|---|
| température du moule | 66,6667 | 9 | [30,1; 1649,5] | Poids supplémentaire; force |
| pression d’injection | 53,7347 | 1 | [75; 150] | Tous |
| température de refroidissement | 46,8183 | 2 | [25; 45] | Tous |
| température plastique | 33,3333 | 5 | [200; 400] | État de remplissage |
| pression arrière | 28,5955 | 4 | [0,4; 0,7] | État de remplissage |
| maintenir la pression | 25,1115 | 3 | [21; 48] | État de remplissage; Poids supplémentaire |
| débit en plastique | 23,3546 | 6 | [10; 50] | État de remplissage |
| machine | 19,5256 | 7 | 1; 2; 3; 4 | Poids supplémentaire; force |
| température d’injection | 0,9739 | 8 | [85; 100] | Poids supplémentaire |
Principaux résultats : Informations sur les modèles et les variables
Pour ces données, l’analyse inclut 3 variables de réponse, État de remplissage, Poids supplémentaire et force. Le tableau de performance du modèle affiche les statistiques de performance telles que le R-carré ou le taux de mauvaise classification. Utilisez les statistiques de performance pour vous aider à évaluer si la performance du modèle est adéquate.
Le tableau des plages variables affiche l’importance et les plages des prédicteurs. Si un problème est présent, comme l’absence d’une variable attendue, réajustez le modèle.
