TreeNet^® 分類による主要な予測変数を検出の例

方法 木の最適な数の選択基準： 最大対数尤度 モデル検証 70/30%トレーニング／テストセット 学習率 0.05 サブサンプルの選択方法 完全にランダム サブサンプルの割合 0.5 木あたりの最大終端ノード 6 最小終端節サイズ 3 ノード分岐に対して選択された予測変数の数 予測変数の合計数 = 29 使用中の行 5000

二項応答情報 トレーニング テスト 変数 クラス 計数 % 計数 % 受け入れ可能なプレッツェル 1 （事象） 2160 61.82 943 62.62 0 1334 38.18 563 37.38 すべて 3494 100.00 1506 100.00

重要でない予測変数を削除するモデル選択 テスト モデル 最適な木の数 負の対数尤度の平均 予測変数の数 削除された予測変数 1 268 0.273936 29 なし 2 268 0.274186 27 泡の安定性, かさ密度 3 234 0.273843 26 最も少ないゲル化濃度 4 233 0.274350 25 オーブンモード2 5 232 0.274943 24 窯法 6 273 0.275553 23 オーブンモード1 7 244 0.274811 22 ミックススピード 8 268 0.274258 21 オーブンモード3 9 272 0.274185 20 安静表面 10 232 0.274077 19 焼き温度3 11 287 0.273598 18 ミックスツール 12 227 0.274358 17 焼き温度1 13 276 0.275374 16 休憩時間 14 272 0.276082 15 水 15 268 0.275595 14 苛性濃度 16 268 0.277810 13 膨潤能力 17 253 0.276436 12 乳化安定性 18 231 0.276159 11 エマルジョン活性 19 268 0.273537 10 吸水能力 20 260 0.273455 9 吸油能力 21 299 0.272848 8 小麦粉タンパク質 22 278 0.272629 7 泡容量 23* 299 0.267184 6 小麦粉の大きさ 24 297 0.288621 5 焼き温度2 25 234 0.330342 4 乾燥した時間 26 290 0.305993 3 ゼラチン化温度 27 245 0.534345 2 焼く時間 28 146 0.599837 1 窯温度 アルゴリズムは、各ステップで1つの予測変数と0の重要度を持つ予測変数を削除しました。 * 選択したモデルに負の対数尤度の最小平均があります。選択したモデルの出力は次のとおりです。

モデル要約 合計予測変数 6 重要な予測変数 6 増加した木の数 300 最適な木の数 299 統計量 トレーニング テスト 負の対数尤度の平均 0.2418 0.2672 ROC曲線下面積 0.9661 0.9412 95%信頼区間 (0.9608, 0.9713) (0.9295, 0.9529) リフト 1.6176 1.5970 誤分類率 0.0970 0.0963

混同行列 予測クラス（トレーニング） 予測クラス（テスト） 実クラス 計数 1 0 %正 計数 1 0 %正 1 （事象） 2160 1942 218 89.91 943 846 97 89.71 0 1334 121 1213 90.93 563 48 515 91.47 すべて 3494 2063 1431 90.30 1506 894 612 90.37 行の事象確率が0.5を超える場合、事象クラスに行を割り当てます。

統計量 トレーニング（%） テスト（%） 真陽性率（感度または検出力） 89.91 89.71 偽陽性率（第一種過誤） 9.07 8.53 偽陰性率（第二種過誤） 10.09 10.29 真陰性率（特異度） 90.93 91.47

誤分類 トレーニング テスト 実クラス 計数 誤分類されました %誤差 計数 誤分類されました %誤差 1 （事象） 2160 218 10.09 943 97 10.29 0 1334 121 9.07 563 48 8.53 すべて 3494 339 9.70 1506 145 9.63 行の事象確率が0.5を超える場合、事象クラスに行を割り当てます。