Random Forests® 回帰のモデル要約表

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

モデル要約表の定義と解釈について理解してください。テストセットによる検証をアウトオブバッグデータを使用した検証に追加すると、両方の検証法の結果が表示されます。

合計予測変数

Random Forests®モデルで使用できる合計予測変数。合計は、指定した連続予測変数とカテゴリ予測変数の総数です。

重要な予測変数

Random Forests®モデルの重要な予測変数の数。重要な予測変数には、0.0 より大きい重要度スコアがあります。相対変数重要度グラフを使用して、相対変数の重要度の順序を表示することができます。たとえば、モデルで20個の予測変数のうち10個が重要であるとすると、相対変数重要度グラフは重要な順に変数を表示します。

R二乗

R2は、モデルによって説明される応答の変動のパーセントです。

解釈

R2を使用して、モデルがデータにどの程度適合するかを判断します。R2値が高いほど、モデルが良好にデータに適合します。R2は常に0%から100%の間です。

さまざまなR2値の意味をグラフィカルに示すことができます。最初のプロットは、応答における85.5%の変動を説明する単回帰モデルを図示しています。2つ目のプロットは、応答における22.6%の変動を説明するモデルを図示しています。モデルによって説明される変動が多いほど、データ点が適合値に近づきます。理論上、モデルが変動の100%を説明できる場合、適合値は常に観測値と等しく、すべてのデータ点はy = x 線上にあるでしょう。

Random Forests®は、アウトオブバッグデータを使用して R2を計算しますが、モデルに適合しないため、モデルのオーバーフィットは問題ではありません。

二乗平均平方根誤差 (RMSE)

二乗平均平方根誤差 (RMSE) は、モデルの正確性を評価します。外れ値は、MADやMAPEに対してよりも、RMSEに大きな影響を与えます。

解釈

さまざまなモデルの適合値を比較するためにを使用します。値が小さいほど、適合性が高いことを示します。

平均二乗誤差 (MSE)

平均二乗誤差 (MSE) は、モデルの正確性を評価します。外れ値は、MADやMAPEに対してよりも、MSEに大きな影響を与えます。

解釈

さまざまなモデルの適合値を比較するためにを使用します。値が小さいほど、適合性が高いことを示します。

平均絶対偏差 (MAD)

平均絶対偏差(MAD)は、データと同じ単位で正確性を表し、誤差の量を概念化するのに役立つます。外れ値は、R2、RMSE、およびMSEに対してよりも、MADに対する影響が少ないです。

解釈

さまざまなモデルの適合値を比較するためにを使用します。値が小さいほど、適合性が高いことを示します。

平均絶対パーセント誤差 (MAPE)

平均絶対パーセント誤差 (MAPE) は、応答値のサイズに対するエラーのサイズを表します。したがって、同じサイズのエラーでは、応答変数の値が小さくなるほどMAPE値が大きくなります。MAPEはパーセント値であるため、他の精度の測度を表す統計量よりも容易に理解できます。たとえば、MAPE が平均で0.05の場合、適合誤差とすべてのケースの実際の値の平均比率は5%になります。外れ値は、R2、RMSE、およびMSEに対してよりも、MAPEに対する影響が少ないです。

しかし、モデルがデータに良好に適合しているように見えても、非常に大きなMAPE値が表示されることがあります。適合値と実応答値のプロットを調べて、データ値が0に近いかどうかを調べます。MAPEは絶対誤差を実際のデータで割るため、0に近い値はMAPE を大きく増大させる可能性があります。

解釈

さまざまなモデルの適合値を比較するためにを使用します。値が小さいほど、適合性が高いことを示します。

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