TreeNet® 分類適合モデルおよび主要な予測変数を検出で表示するグラフを選択する

予測分析モジュール > TreeNet®分類 > 適合モデル > グラフ

予測分析モジュール > TreeNet®分類 > 主要な予測変数を検出 > グラフ

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

分析で表示するグラフを選択します。

使用可能なプロットは、最適な木の数を選択する基準によって異なります。プロットには、基準と木の数の関係が表示されます。
  • 平均-対数尤度- 木の数プロット
  • ROC曲線下面積と木の数のプロット
  • 誤分類率と木の数プロット
変数の重要度グラフ
変数重要度グラフには、予測変数の相対的な重要度が表示されます。重要な変数のすべてを表示するか、または一部を表示するかを選択できます。変数は、最良の分岐変数として使用される場合に重要とされます。
  • すべての重要な変数を表示する: デフォルトでは、このグラフには重要な変数がすべて表示されます。
  • 重要な変数のパーセンテージを表示する: 表示する重要な変数のパーセントを指定します。0~100の範囲の値を入力します。
  • すべての予測変数を表示する: すべての予測変数を重要変数であるかどうかに関わらず表示します。
受信者動作特性 (ROC) 曲線
受信者動作特性(ROC)曲線は、モデルのクラスを区別する能力を示しています。ROC曲線は、偽陽性率(FPR)に対して真陽性率(TPR)をプロットします。
ゲインチャート
累積ゲインチャートは、母集団の一部におけるモデルの効果を示しています。ゲインチャートは、母集団のパーセントと母集団の真陽性率をプロットします。
リフトチャート
リフトチャートは、予測モデルの有効性を示しています。グラフでは、累積リフトと母集団の割合をプロットし、予測モデルを使用して得られた結果と予測モデルなしで得られた結果の差を表示します。累積非累積を、リフトチャートに対して指定することができます。
事象確率の箱ひげ図
2値応答の場合、事象確率の箱ひげ図には、テストデータとトレーニングデータの両方の事象確率の分布が表示されます。
K上位の重要変数に対する1つの予測変数の部分依存プロット、K =
1つの予測変数の部分的依存プロットは、デフォルトで上位4個の重要変数の適合した半分の対数オッズ値を表示します。プロットする重要な変数の数は増減させることができます。結果が得た後、1個の予測プロットの下のプロットする予測変数をさらに多く選択するをクリックすると、より多くの予測変数のプロットが表示されます。
K上位の重要変数に対する2つの予測変数の部分依存プロット、K =
2つの予測変数の部分的依存プロットは、デフォルトで上位2個の重要変数の適合した半分の対数オッズ値を表示します。プロットする重要な変数の数は増減させることができます。結果が得た後、2個の予測プロットの下のプロットする予測変数をさらに多く選択するをクリックすると、より多くの予測変数ペアのプロットが表示されます。
カテゴリ予測変数を持つプロットの場合、Minitabは適合値の散布図をプロットします。連続予測変数の場合は、曲面または等高線プロット、またはその両方を指定できます。
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