のデフォルト設定を指定 TreeNet® 回帰

ファイル > オプション > 予測分析 > TreeNet®回帰

のデフォルト設定を指定 TreeNet® 回帰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。

損失機能
モデルを作成する損失関数を選択します。いくつかの関数の結果を比較して、応用に最適な選択肢を決定できます。
  • 2乗誤差: これは平均ベースの損失関数です。この損失関数は、多くの応用で良好に機能します。
  • 絶対偏差: 絶対偏差関数は、中央値ベースの損失関数です。
  • ヒューバー: ヒューバー関数は、2乗誤差と絶対偏差関数のハイブリッドです。
ヒューバー関数で、切り替え値を指定します。損失関数は、2乗誤差として開始されます。損失関数は、値が切り替え値より小さい限り、2乗誤差のままです。2乗誤差が切り替え値を超える場合、損失関数は絶対偏差になります。絶対偏差が切り替え値より小さくなると、損失関数は再び2乗誤差になります。
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