Random Forests^® 分類で表示するグラフを選択する

分析で表示するグラフを選択します。

誤分類率と木の数プロット

誤分類率と木の数プロットは、分類エラーと木の量の関係を示します。別のテストセットを提供する場合、プロットには、アウトオブバッグデータとテストセット用の2つの曲線が含まれます。

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、解析内の任意の木でノードを分割すると、重要度が高くなります。

• 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。

ランキング方法

変数重要度チャートの変数の相対的な重要度スコアを計算する方法を選択します。順列の場合、Minitabは、チャート上の変数の変更された値を使用してモデルを再検証することによって、モデルがどの程度悪いパフォーマンスを示すかを評価します。ジニの場合、Minitabは変数がすべての木に対して行う改善を合計します。順列は、レコード数が5000以下のデータセットのデフォルトの方法です。分析に時間がかかりすぎておらず、重要な予測変数の特定が重要な目標である場合に、より大きなデータセットに順列を使用するか検討します。

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。累積や非累積を、リフトチャートに対して指定することができます。