최고의 모형 검색(이항 반응) 에 대한 모형 항 지정

예측 분석 모듈 > 자동화된 기계 학습 > 최고의 모형 검색(이항 반응) >

회귀 모델에서 용어를 결정하는 방법을 지정합니다. 일반적으로 선형 용어 와 순서 2를 단계별 모델 선택과 함께 고려하는 분석은 좋은 예측 능력을 가진 모델을 제공합니다. 검증을 사용한 전진 선택 메서드가 더 높은 예측 정확도를 가진 모델을 생성하는지 여부를 결정할 수 있습니다.

예측 변수가 많은 경우 최종 모델의 선택은 단계별 모델 선택과 함께 선형 용어 및 순서 2 조건을 고려하는 데 오랜 시간이 걸릴 수 있습니다. 예측 변수 수가 15보다 큰 경우 기본 선택은 선형 용어만 고려하는 것입니다. 선형 용어 외에 일부 더 높은 순서 용어를 평가하려면 모델의 용어를 지정하도록 선택합니다.

로지스틱 회귀 모형에 포함할 항

기본 용어를 사용할지 또는 사용자 고유의 용어 집합을 지정할지 선택합니다.

선형 항 및 순서 2 항
분석은 모든 선형 용어와 순서 2 조건을 사용합니다. 순서 2에는 연속 예측변수에 대한 2개의 선형 용어와 정사각형 용어 간의 모든 상호 작용이 포함됩니다.
선형 항
분석은 모든 선형 용어를 사용합니다.
항 지정
교호작용 항과 다항식 항을 모형에 추가할 수 있습니다. 주 대화 상자에 입력한 요인과 공변량만 사용하여 모형을 채웁니다. 예측 변수 수가 15 이하인 경우 모델에는 예측 변수의 선형 용어 및 순서 2 조건이 포함되어 있습니다. 예측 변수 수가 15보다 큰 경우 모델에 선형 용어가 포함되어 있습니다. 이전 결정으로 돌아가려면 클릭하십시오.
다음과 같이 여러 가지 방법으로 데이터의 부분 집합을 취할 수 있습니다. Minitab에서는 예를 사용하여 방법을 보여줍니다. 예에서는 리스트에 3개의 계량형 변수 X, Y, Z 및 두 개의 범주형 변수 A, B가 있다고 가정합니다.
선택된 예측 변수와 모형 항을 사용하여 항 추가
항을 모형에 추가하려면 하나 이상의 예측 변수 또는 항을 선택하십시오. 여러 항목을 선택하거나 항목을 선택 취소하려면 Ctrl 키를 누른 상태에서 항목을 클릭하십시오.
교호작용의 최대 차수
모든 교호작용 항을 지정된 순서로 추가합니다. 예측 변수 X, Y, A를 선택하고 순서 3을 통해 상호 작용을 추가한다고 가정합니다. 클릭하면 추가 Minitab에 X*Y, X*A, Y*A, X*Y*A, X*Y*A를 추가합니다.
항의 최대 차수
곡면성을 모형화하기 위해 사용합니다. 이 옵션은 거듭제곱과 교호작용 항을 지정된 순서로 추가합니다. 거듭제곱은 계량형 예측 변수에 대한 것입니다. 순서 3을 통해 X, Y, A 및 용어를 선택한다고 가정합니다. 클릭하면 추가 Minitab은 X 및 Y의 전원 용어를 추가합니다. X * X, Y * Y, X * X * X, Y * Y * Y. 또한 Minitab은 예측 변수 및 권한에 대한 상호 작용을 추가합니다. X*Y, X*A, Y*A, X*X*Y, X*Y, X*Y* X*X*A, X*Y*A, Y*Y*Y*A.
모형에 포함된 교차 예측 변수 및 항
이 옵션은 다음과 같은 방법으로 사용할 수 있습니다.
  • 두 개 이상의 예측 변수를 교차할 수 있습니다. X, Y, Z를 선택한다고 가정합니다. 클릭하면 추가 Minitab은 다음과 같은 용어를 추가합니다. X *X, X*Y, X*Z.
  • 이미 모형에 있는 두 개 이상의 항을 교차할 수 있습니다. X*A와 X*B가 모형에 있다고 가정합니다. 이 용어만 선택하고 추가 를 클릭하면 Minitab에서 X*X*A*B를 추가합니다.
  • 예측 변수를 모형의 항과 교차할 수 있습니다. X*X와 Y*Y가 모형에 있다고 가정합니다. 이러한 항과 예측 변수 A, B를 선택한 다음 추가 를 클릭하면 Minitab에서 X*X*A, X*X*B, Y*Y*A, Y*Y*B를 추가합니다. 각 예측 변수는 각 모델 용어와 교차합니다. 범주형 예측 변수는 서로 교차할 수 없습니다. 모델 용어는 자신과 교차하지 않습니다.
참고

교차하려는 항만 선택하기 위해 예측 변수 또는 항을 선택 취소해야 할 수도 있습니다. 항목을 선택 취소하려면 Ctrl 키를 누른 상태에서 예측 변수 또는 항을 클릭하십시오.

모형 안의 항
모형에 항을 추가하면 대화 상자의 빈 공간에 항이 나열됩니다. 이 공간에서 제거하거나 순서를 바꿀 개별 항 또는 항의 그룹을 선택할 수 있습니다.
기본값
예측 변수 수가 15개 이하인 경우 이 선택 항목에서는 선형 용어 와 순서 2 용어로 모델을 채웁니다. 예측 변수 수가 15개 이상인 경우 이 선택 항목에서는 모델을 선형 용어로 채웁니다.
항 삭제
모형에서 하나 이상의 항을 삭제할 수 있습니다. 항을 선택하고 대화 상자에서 삭제(빨간색 "X")를 클릭합니다. 항을 두 번 클릭하여 삭제할 수도 있습니다.
항 순서 변경
항을 이동하려면 항을 선택한 다음 대화 상자에서 화살표 단추 중 하나를 클릭하여 위 또는 아래로 이동하십시오. 인접한 항의 블럭을 이동할 수도 있습니다. 전체 블럭을 선택하려면 첫 번째 항을 클릭한 다음 Shift 키를 클릭한 상태에서 마지막 항을 클릭하십시오. 그런 다음 적절한 화살표를 사용하여 블럭을 이동하십시오.

로지스틱 회귀 모형 선택 방법

비계층적 모형을 사용할 것인지 여부 지정 Minitab에서 제공하는 선택은 데이터 집합의 크기에 따라 다릅니다. 선택은 검증... 하위 대화 상자의 선택과 결합하여 엄격하고 계산 속도의 균형을 맞추는 분석을 제공합니다.
N < 1,000
서브디아로그의 유효성 검사 방법은 검증...K-접기 교차 검증. 단위 수는 5입니다. 로지스틱 회귀 모형 선택 방법항... 하위 대화 상자의 . 단계적 회귀 분석
1,000 ≤ N < 1,500
서브디아로그의 유효성 검사 방법은 검증...K-접기 교차 검증. 단위 수는 3입니다. 로지스틱 회귀 모형 선택 방법항... 하위 대화 상자의 . 단계적 회귀 분석
1,500 ≤ N
서브디아로그의 유효성 검사 방법은 검증...검정 집합을 사용한 검증. 테스트 집합의 데이터 비율은 0.3입니다. 로지스틱 회귀 모형 선택 방법항... 서브디대화로그의 경우 검증을 사용한 전진 선택 테스트 집합을 사용합니다.
  • 단계적 회귀 분석: 이 메서드는 빈 모델로 시작합니다. 그런 다음 Minitab은 각 단계에 대한 항을 추가하거나 제거합니다. 모형에 없는 모든 변수의 p-값이 지정된 값보다 크고 모형에 있는 모든 변수의 p-값이 지정된 값보다 작거나 같은 경우 Minitab이 중지됩니다.
  • 검증을 사용한 전진 선택: 유효성 검사 프로시저를 사용하여 전진 선택은 테스트 집합을 사용합니다. 절차는 전진 선택과 유사합니다. 각 단계의 끝에서 Minitab은 검정 R2 결정계수 통계를 계산합니다. 순방향 선택 절차가 끝나면 테스트 R2 값이 가장 큰 모델이 최종 모델입니다.
    이 절차는 다음 조건 중 하나가 발생할 때까지 항을 추가합니다.
    • 이 절차는 8개 연속 단계 기준의 개선을 찾지 못합니다.
    • 이 절차는 전체 모형을 적합합니다.
    • 이 절차는 오차에 대해 1도의 자유도를 남기는 모형을 적합합니다.
  • 없음: : 에서 지정하는 모든 항을 사용하여 모형을 적합합니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오