Random Forests® 분류에 대해 표시할 그래프 선택

예측 분석 모듈 > Random Forests® 분류 > 그래프
참고

이 명령은 예측 분석 모듈에서 사용할 수 있습니다. 모듈을 활성화하는 방법에 대한 자세한 내용은 여기를 클릭하십시오.

분석에 표시할 그래프를 선택합니다.

오분류 비율 대 트리 수 그림
오분류 비율 대 트리 수 노드 그림은 분류 오차와 트리 양 간의 관계를 보여줍니다. 별도의 검정 세트를 제공하는 경우 그림에는 OOB 데이터와 검정 세트에 대한 두 개의 곡선이 포함됩니다.
변수 중요도 차트
변수 중요도 차트는 예측 변수의 상대적 중요도를 보여주며, 중요한 변수의 전부 또는 일부를 표시할지 선택할 수 있습니다. 변수는 분석의 모든 트리에서 노드를 분할할 때 중요도가 높아집니다.
  • 모든 중요한 변수 표시: 기본적으로 이 차트에는 모든 중요한 변수가 표시됩니다.
  • 중요한 변수의 백분율 표시: 표시할 중요 변수의 백분율을 지정합니다. 0에서 100 사이의 값을 입력합니다.
  • 모든 예측 변수 표시: 모든 예측 변수가 중요한 변수인지 여부를 표시합니다.
순위 지정 방법
Minitab이 변수 중요도 차트의 변수에 대한 상대적 중요도 점수를 계산하는 방법을 선택합니다. 순열의 경우 Minitab은 차트에서 변수의 왜곡된 값으로 모형을 다시 검증하여 모형의 성능이 얼마나 더 나쁜지 평가합니다. 지니의 경우 Minitab은 변수가 모든 트리에 대해 만드는 개선사항을 합산합니다. 순열의 경우 레코드가 5000개 이하인 데이터 집합의 기본 방법입니다. 순열의 경우 분석이 너무 오래 걸리지 않고 중요한 예측 변수의 식별이 중요한 목표일 때 더 큰 데이터 집합에 사용할지 여부를 고려하십시오.
수신자 검사 특성(ROC) 곡선
수신자 검사 특성(ROC) 곡선은 모형이 등급을 구별하는 능력을 보여줍니다. ROC 곡선은 가양성률(FPR)에 대해 진양성률(TPR)을 플로팅합니다.
이익 차트
누적 이익 차트는 모집단의 일부에서 모형의 효과를 보여줍니다. 이익 차트는 백분율 대비 모집단(%)의 진양성률을 표시합니다.
향상도 차트
향상도 차트는 예측 모형의 효과를 보여줍니다. 차트는 누적 향상도와 % 모집단을 플로팅하고 예측 모형의 유무에 관계없이 얻은 결과 간의 차이를 표시합니다. 향상도 차트에 대한 누적 또는 누적되지 않음을(를) 지정할 수 있습니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오