TreeNet^® 回帰で主要な予測変数を検出のオプションを指定する

TreeNet^® 回帰メニューから主要な予測変数を検出を選択すると、項を削除する方法を指定できます。

方法

最初に、最も重要でない予測変数または最も重要な予測変数を排除するかどうかを選択します。

重要でない予測変数を排除

最も重要度の低い予測変数を最初に削除して、モデルに使用する予測変数のサブセットを選択します。たとえば、500個の予測変数のセットを10個の最も重要な予測変数に減らします。このアルゴリズムは、最も重要度の低い予測変数を順次削除し、異なる数の予測変数を持つモデルを比較できる結果を示し、モデル選択基準の最適値を持つ予測変数セットの結果を生成します。

重要な予測変数を排除して影響を評価

最も重要な予測変数を最初に排除し、モデルへの影響を評価します。たとえば、このオプションを使用して、最も重要な予測変数がモデルから離れる際のR²値の変化を確認します。このアルゴリズムは、最も重要な予測変数を順次除去し、各重要な予測変数が精度基準に与える効果を評価できる結果を示し、すべての予測変数を含むモデルの結果を生成します。

各ステップでK個の予測変数を排除

通常は、1回に1個の予測変数を削除します。非常に多くの予測変数があり、非常に重要な予測変数がほとんどないと予想される場合は、より大きな値を検討してください。たとえば、ステップごとにより多くの予測変数を削除して削除ステップの最大数を増やすと、より多くの予測変数をより迅速に削除できます。

消去ステップの最大数

通常、削除ステップの最大数は、調査する削減モデルの数ですが、モデルが予測変数を使い果たすとアルゴリズムは早く停止します。数値を増やすと、通常、各ステップで予測変数の数に比例して少数の予測変数が排除され、小さいモデルを見ることができるように継続できます。たとえば、ステップごとにより多くの予測変数を削除して削除ステップの最大数を増やすと、より多くの予測変数をより迅速に削除できます。より少ない代替モデルを評価するにはこの値を減らしてください。

最後に削除する予測変数を指定

残りの予測変数の後に削除する予測変数のサブセットを指定します。たとえば、予測変数が10個あり、最後に削除する3つの予測変数を指定します。このアルゴリズムは、指定した3つの予測変数のいずれかを考慮する前に、他の7つの予測変数を削除します。通常、1つ以上の予測変数を特に調べたい場合に、最後に削除する予測変数を指定します。たとえば、アルゴリズムがそれらの予測変数のみを使用してモデルを評価できるよう、最後に削除する予測変数を指定できます。

モデル選択表を表示

トレーニングデータの結果を表示するかどうかを選択します。

テストセットの場合

通常、テストセットの結果を表示します。アルゴリズムは、これらの結果を使用して排除する変数を決定します。テストの結果は、モデルが新しい観測値の応答値を適切に予測できるか、または応答変数と予測変数の関係を適切に要約できるかを示します。

テストセットおよびトレーニングセットの場合

トレーニングの結果は、通常、新規データの実際の結果よりも理想的です。トレーニング結果は参考用です。