누적 향상도 계산 절차는 검증 방법에 따라 다릅니다. 다항 반응 변수의 경우 Minitab은 각 클래스를 차례로 사건으로 처리하는 여러 차트를 표시합니다.
학습 데이터 세트 또는 검증 없음
학습 데이터 세트에 대한 차트의 경우 차트의 각 점은 트리의 터미널 노드를 나타냅니다. 사건 확률이 가장 높은 터미널 노드는 차트의 첫 번째 지점이며 가장 왼쪽에 나타납니다. 다른 터미널 노드는 사건 확률을 줄이는 순서입니다.
다음 프로세스를 사용하여 점에 대한 x 및 y 좌표를 찾습니다.
각 터미널 노드의 사건 확률을 계산합니다.
설명
n1,k 는
k번째 노드에 있는 사건 클래스의 사례 수입니다.
Nk 는
k번째 노드의 사례 수입니다.
터미널 노드의 순위를 가장 높은 노드에서 가장 낮은 사건 확률로 지정합니다.
모든 사건 확률을 분계점으로 사용합니다. 특정 분계점의 경우 예상 사건 확률이 분계점보다 크거나 같은 사례는 예측 클래스로 1을, 그렇지 않으면 0을 얻습니다. 그런 다음 관측 클래스를 행으로 지정하고 예측 클래스를 열로 지정한 모든 사례에 대해 2x2 표를 형성하여 각 터미널 노드에 대한 진양성률을 계산할 수 있습니다.
정렬된 목록에서 각 터미널 노드에 있는 데이터의 누적 백분율을 계산합니다. 이러한 누적 값은 차트의 x 좌표입니다.
예를 들어 예측 확률이 가장 높은 터미널 노드에 0.16의 데이터가 포함되어 있고 사건 확률이 두 번째로 높은 터미널 노드가 0.35의 모집단을 가지면 첫 번째 터미널 노드에 대한 데이터의 누적 백분율이 0.16이고 두 번째 터미널 노드에 대한 모집단의 누적 백분율은 0.16 + 0.35 = 0.51입니다.
y 좌표의 누적 향상도를 찾으려면 진양성률과 모집단의 누적 백분율을 다음과 같이 나눕니다.
다음 표에서는 작은 트리에 대한 계산의 예를 표시합니다. 값은 소수점 2자리입니다.
A: 터미널 노드
B: 사건 발생 횟수
C: 사례 수
D: 정렬에 대한 사건 확률(B/C)
E: 진양성률
F: 데이터 백분율(C/C 합계)
G: 데이터의 누적 백분율, x 좌표
H: 누적 향상도(E/G), y 좌표
4
18
30
0.60
0.31
0.16
0.16
1.92
1
25
67
0.37
0.73
0.35
0.51
1.42
3
12
56
0.21
0.93
0.30
0.81
1.15
2
4
36
0.11
1
0.19
1.00
1
별도의 검정 데이터 세트
학습 데이터 세트 사례와 동일한 단계를 사용하지만 검정 데이터 세트의 사례에서 사건 확률을 계산합니다.
k-폴드 교차 검증을 통한 검정
k-폴드 교차 검증을 사용하여 누적 향상도 차트에서 x 및 y 좌표를 정의하는 절차에는 추가 단계가 있습니다. 이 단계에서는 여러 가지 고유한 사건 확률을 만듭니다. 예를 들어 수형도에 4개의 터미널 노드가 포함되어 있다고 가정합니다. 10-폴드 교차 검증이 있으면 i번째 폴드의 경우 데이터의 9/10 부분을 사용하여 폴드 i의 사례에 대한 사건 확률을 추정합니다. 이 프로세스가 각 폴드에 대해 반복되면 고유 사건 확률의 최대 수는 4 *10 = 40입니다. 그런 다음 모든 고유한 사건 확률을 감소 순서로 정렬합니다. 사건 확률을 각 분계점으로 사용하여 전체 데이터 세트의 사례에 대해 예측된 클래스를 할당합니다. 이 단계 후 학습 데이터 세트 절차의 3단계에서 마지막 단계는 x 및 y 좌표를 찾기 위해 적용됩니다.
