TreeNet^® 分類による適合モデルの例

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 300 最適な木の数 298 統計量 トレーニング テスト 負の対数尤度の平均 0.2556 0.3881 ROC曲線下面積 0.9796 0.9089 95%信頼区間 (0.9664, 0.9929) (0.8759, 0.9419) リフト 2.1799 2.1087 誤分類率 0.0891 0.1617

方法 木の最適な数の選択基準： 最大対数尤度 モデル検証 5分割交差検証 学習率 0.01 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 = 13 使用中の行 303

二項応答情報 変数 クラス 計数 % 心臓病 はい （事象） 139 45.87 いいえ 164 54.13 すべて 303 100.00

方法 木の最適な数の選択基準： 最大対数尤度 モデル検証 5分割交差検証 学習率 0.001, 0.01, 0.1 サブサンプルの割合 0.5, 0.7 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 = 13 使用中の行 303

二項応答情報 変数 クラス 計数 % 心臓病 はい （事象） 139 45.87 いいえ 164 54.13 すべて 303 100.00

ハイパーパラメータの最適化 テスト モデル 最適な木の数 負の対数尤度の平均 ROC曲線下面積 誤分類率 学習率 サブサンプルの割合 最大終端ノード 1 500 0.542902 0.902956 0.171749 0.001 0.5 6 2* 351 0.386536 0.908920 0.175027 0.010 0.5 6 3 33 0.396555 0.900782 0.161694 0.100 0.5 6 4 500 0.543292 0.894178 0.178142 0.001 0.7 6 5 374 0.389607 0.906620 0.165082 0.010 0.7 6 6 39 0.393382 0.901399 0.174973 0.100 0.7 6 * 最適モデルは負の対数尤度の最小平均があります。最適なモデルの出力は以下の通りです。

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

モデル要約 合計予測変数 13 重要な予測変数 13 統計量 アウトオブバッグ 負の対数尤度の平均 0.4004 ROC曲線下面積 0.9028 95%信頼区間 (0.8693, 0.9363) リフト 2.1079 誤分類率 0.1848

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 はい いいえ %正 はい いいえ %正 はい （事象） 139 124 15 89.21 110 29 79.14 いいえ 164 8 156 95.12 24 140 85.37 すべて 303 132 171 92.41 134 169 82.51 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） 89.21 79.14 偽陽性率（第一種過誤） 4.88 14.63 偽陰性率（第二種過誤） 10.79 20.86 真陰性率（特異度） 95.12 85.37

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 誤分類されました %誤差 はい （事象） 139 15 10.79 29 20.86 いいえ 164 8 4.88 24 14.63 すべて 303 23 7.59 53 17.49 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。