注
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。
誤分類率と木の数プロットでは、y 軸の誤分類率と x 軸上の木の数がプロットされます。最小誤分類率は、モデルが適切な分類子であるかどうかを示します。検定結果を使用して、モデルのパフォーマンスを評価して新しい観測値を予測します。トレーニング結果とテスト結果を比較して、トレーニングデータセットのモデルに過剰適合の問題があるかどうかを確認します。
ROC曲線の下の面積が最適なモデルの木の数を決定すると、MinitabはROC曲線下面積と木の数のプロットを表示します。最適モデルの木の数が最尤値によって決まり、その結果、Minitabに平均対数尤度と木の数のプロットが表示されます。
解釈
誤分類率は 0 以上である必要があります。値が小さいほど、分類モデルが適切であることを示します。参照線は、テストデータの最適な誤分類率とモデル内の木の数を示します。テスト曲線が不十分なモデルを示している場合は、学習率の大きさや小ささなどの代替設定で分析を再試行するか、またはサブサンプル割合を大きくするかを検討してください。
