このコマンドは、予測分析モジュールで使用できます。モジュールをアクティブにする方法については、ここをクリックしてください

連続およびカテゴリRandom Forests® 分類予測変数が多数ある、カテゴリ応答の高性能予測モデルを作成するために使用します。Random Forests® 分類多くのCART®ツリーからの情報を組み合わせて、データマイニング技術の大幅な進歩を提供します。

Random Forests® 分類は製造品質管理、創薬、不正検出、クレジットスコアの算出、解約予測など、幅広い応用に関する洞察を提供します。この結果を使用して、重要な変数を識別し、望ましい特性をもつデータ内のグループを識別し、新しい観測値の応答値を予測します。たとえば、ある市場調査員は、Random Forests® 分類を使用して、特定の戦略に対する反応率が高い顧客を特定し、その反応率を予測します。

CART® 分類は優れたデータ探索分析ツールであり、重要な予測変数を迅速に特定するためのわかりやすいモデルを提供します。ただし、CART® 分類で最初の探索を行った後は 、TreeNet® 分類を検討するか、Random Forests® 分類を必要なフォローアップステップとして検討してください。

Random Forests® 分類出力には、相対変数重要度チャート、ROCカーブ、リフトチャートとゲインチャートが含まれます。これらのプロットは、モデル内の変数が応答クラスを高精度に予測するかどうかを評価するのに役立ち、予測精度に最も重要な予測変数を特定するのに役立ちます。この情報は、最適な計算結果を実現する設定を制御する場合に役立ちます。

この方法は、カリフォルニア大学バークレー校のLeo BreimanとAdele Cutlerによって開発されました。

この分析の場所

Random Forests® 分類を実行するには、予測分析モジュール > Random Forests® 分類を選択します。

他の分析を使用する場合

カテゴリ応答変数を使用してパラメトリック回帰モデルを試す場合は、2値ロジスティックモデルの当てはめを使用します。

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