ベストモデルの検出(2値応答)ハイパーパラメーターの最適化

平均対数尤度は、モデルの精度の尺度です。値が小さいほど、適合性が高いことを示します。

ROC曲線は、検出力とも呼ばれる真陽性率 (TPR) をy軸にプロットします。ROC曲線は、第1種の過誤とも呼ばれる偽陽性率 (FPR) をx軸にプロットします。ROC曲線下の面積は、モデルが適切な分類器であるかどうかを示します。

ROC曲線下の面積の範囲は、一般的に0.5から1です。値が大きいほど、分類モデルが適切であることを示します。モデルがクラスを完全に分離できる場合、曲線下の面積は1です。モデルがランダムな割り当てよりも良くクラスを分離できない場合、曲線下の面積は0.5です。

誤分類率は、モデルが応答値を正確に分類する頻度を示します。値が小さいほど、パフォーマンスが高いことを示します。

この行は、考慮する予測変数の数の選択を示します。

最小内部ノードのサイズとは、ノードに属することができ、さらに多くのノードに分割できるケースの最小数を示します。

ブートストラップサンプルの数は、解析のツリー数を示します。