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

ある研究チームが、心臓病に影響を与える要因に関する詳細な情報を収集し、公開しています。変数には、年齢、性別、コレステロール値、最大心拍数などがあります。この例は、心臓病に関する詳細情報を提供する公開データセットに基づいています。元のデータはarchive.ics.uci.eduからのものです。

研究者は、勾配ブースト分類ツリーモデルを使用して、新しい観測値の応答クラス確率を高い精度で予測することができます。

この例では、適合モデルからのデータセットを使用しますが、主要な予測変数を検出を使用してモデルを作成する場合は予測も使用できます。

  1. TreeNet® 分類による適合モデルの例を完了します。
  2. 結果の下部にある予測ボタンをクリックします。
  3. ドロップダウンリストから個別値を入力を選択します。
  4. 次の値を入力します。 この例では、各予測変数に2つの値を使用しますが、最大3つの値を使用できます。
    年齢 35 35  
    レスト血圧 140 140  
    コレステロール 233 233  
    最大心拍数 150 165  
    オールドピーク 2.3 2.3  
    セックス 男性 女性  
    胸痛タイプ 2 1  
    断食血糖  
    レスト心電図 0 1  
    運動狭心症      
    斜面 1 3  
    主要な船舶 0 2  
    タール 正常 正常  
  5. OKをクリックします。

結果を解釈する

Minitabでは、結果の勾配ブーストされた分類木を使用して、予測値のセットに関して心臓病事象のクラス確率を推定します。研究者は、指定された設定を使用して心臓病イベントの確率は、最初のセットで約0.15、第2セットで0.43であることを発見しました。

TreeNet® 分類: 心臓病 対 年齢, レスト血圧, コレステロール, 最大心拍数, オールドピーク, セックス, 胸痛タイプ, 断食血糖, ...

モデル要約 合計予測変数 13 重要な予測変数 13 増加した木の数 500 最適な木の数 351 統計量 トレーニング テスト 負の対数尤度の平均 0.2341 0.3865 ROC曲線下面積 0.9825 0.9089 95%信頼区間 (0.9706, 0.9945) (0.8757, 0.9421) リフト 2.1799 2.1087 誤分類率 0.0759 0.1750
より良いモデルを識別するためにハイパーパラメーターを調整します... 1つの予測変数の部分的依存プロット

プロットする他の予測変数を選択します...

2 つの予測変数部分依存プロット

プロットする他の予測変数を選択します...

予測... TreeNet® 分類予測

心臓病の予測

設定 年齢 = 35, レスト血圧 = 140, コレステロール = 233, 最大心拍数 = 150, オールドピーク = 2.3, セックス = 男性, 胸痛タイプ = 2, 断食血糖 = 本当だ, レスト心電図 = 0, 運動狭心症 = "", 斜面 = 1, 主要な船舶 = 0, タール = 通常
予測 確率(クラス = 観測値 クラス 確率(クラス = はい) いいえ) 1 いいえ 0.145216 0.854784

心臓病の予測

設定 年齢 = 35, レスト血圧 = 140, コレステロール = 233, 最大心拍数 = 165, オールドピーク = 2.3, セックス = 女性, 胸痛タイプ = 1, 断食血糖 = 本当だ, レスト心電図 = 1, 運動狭心症 = "", 斜面 = 3, 主要な船舶 = 2, タール = 通常
予測 確率(クラス = 観測値 クラス 確率(クラス = はい) いいえ) 2 いいえ 0.426671 0.573329
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