のデフォルト設定を指定 TreeNet® 分類

ファイル > オプション > 予測分析 > TreeNet®分類

のデフォルト設定を指定デフォルトに加えた変更は、Minitabを終了しても、再度変更するまで維持されます。

最適モデルを生成する方法を選択します。いくつかの方法の結果を比較して、応用に最適な選択肢を決定できます。
  • 最大対数尤度: 最尤法は、データの尤度関数の最大値を検索します。
  • ROC曲線下の最大面積: ROC曲線下の最大面積は、多くのアプリケーションで適切に機能します。ROC曲線の下の面積は、事象を生成する可能性が最も高い行から、事象を生成する可能性が最も低い行をモデルがどの程度適切にランク付けしているかを測定します。このオプションは、2値応答で使用できます。
  • 最小誤分類率: 誤分類率を最小にするモデルの結果を表示するには、このオプションを選択します。誤分類率は、モデルがどのくらいの頻度で正しく、あるいは正しくないケースを予測しているのかを単純にカウントしたものです。
最適モデルを生成する方法を選択します。いくつかの方法の結果を比較して、応用に最適な選択肢を決定できます。
  • 最小誤分類率: 誤分類率を最小にするモデルの結果を表示するには、このオプションを選択します。誤分類率は、モデルがどのくらいの頻度で正しく、あるいは正しくないケースを予測しているのかを単純にカウントしたものです。
  • 最大対数尤度: 最尤法は、データの尤度関数の最大値を検索します。
木あたりの最大ターミナルノード数および木の最大深度
また、木のサイズを制限することもできます。木の大きさを制限するには次のいずれかを選択します。
  • 木あたりの最大ターミナルノード数: 木のターミナルノードの最大数を表す2~2000の値を入力します。通常、デフォルト値6は、計算速度と変数間の交互作用の調査のバランスを最適化します。2の値は交互作用の調査を除外します。
  • 木の最大深度: 2~1000の値を入力して木の最大深さを表します。ルートノードは深さ1に対応します。多くのアプリケーションでは、4から6までの深さで、合理的に良いモデルが得られます。
欠損値のペナルティ
欠損値のある予測変数のペナルティ値を入力します。データが少ない良好な分岐の方が簡単なので、欠損データのある予測変数は、欠損データのない予測変数よりも優れた利点があります。このオプションを使用して、欠損データを持つ予測変数にペナルティを課します。
例えば、0.0 ≤ K ≤ 2.0の場合:
  • K = 0: ペナルティを指定しません。
  • K = 2: 最高のペナルティを指定します。
高水準カテゴリのペナルティ
多くの値を持つカテゴリ予測変数のペナルティ値を入力します。多くの水準を持つカテゴリ予測変数は、分割力の増加により木を歪める可能性があるため、少ない水準の予測変数よりも利点があります。このオプションを使用して、多くの水準の予測変数にペナルティを課します。
例えば、0.0 ≤ K ≤ 5.0の場合:
  • K = 0: ペナルティを指定しません。
  • K = 5: 最高のペナルティを指定します。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください