MARS^® 회귀 분석에 대한 분석 옵션 선택

분석 옵션을 선택합니다.

최적의 모델 선택 기준

다음 기준 중에서 선택하여 모형에 대한 최적의 기저 함수 개수를 선택합니다. 이 선택은 기저 함수 검색에 영향을 주지 않습니다. 2개의 기준이 동일한 수의 기저 함수를 선택하면 2개의 기준의 모형이 동일합니다.

• R-제곱: 모델에 대한 결과를 최대 R-제곱 값으로 표시하려면 이 옵션을 선택합니다.
• 평균 절대 편차: 평균 절대 편차가 가장 적은 모델에 대한 결과를 표시하려면 이 옵션을 선택합니다

최대 기본 함수 수

기본값 30은 대부분의 경우에 잘 작동합니다. 30개의 기저 함수가 데이터에 비해 너무 작아 보이는 경우 더 큰 값을 고려하십시오. 예를 들어, 30개 이상의 예측 변수가 중요하다고 생각되는 경우 더 큰 값을 고려하십시오.

30이면 충분한지 확실하지 않은 경우 초기 결과를 검토합니다. 예를 들어, 분석에서 기저 함수를 추가함에 따라 R-제곱 값이 위쪽으로 추세를 보이는 경우 값이 클수록 모형의 적합도가 향상될 가능성이 더 높습니다.

매듭 사이의 최소 관측치 수

MARS가® 선택하도록 허용

분석에서는 표본 크기와 모형 복잡도를 사용하여 값을 자동으로 선택합니다. 자동 값은 대부분의 경우 잘 작동합니다.

사용자 정의 λ

값 1은 연속 데이터 요소가 기저 함수가 변경되는 점이 될 수 있음을 나타냅니다. 값 1은 모델 예측에서 가장 빠른 변경을 허용합니다. 모형의 적합치에 미치는 영향을 확인하기 위해 다른 값을 고려하십시오. 예를 들어 일부 데이터의 경우 값이 클수록 학습 데이터에 과적합될 가능성이 적은 더 부드러운 모델이 생성됩니다. 이러한 부드러운 모델은 때때로 데이터의 특정 범위에서 덜 정확합니다.

다음 예측 변수에 대한 변환을 비활성화합니다

예측 변수가 반응 변수에 선형 효과만 가질 수 있도록 계량형 예측 변수를 입력합니다. 이 효과를 설명하는 또 다른 방법은 모든 예측 변수가 예측 변수의 최소값에 매듭이 있는 기저 함수가 1개뿐이라는 것입니다. 예를 들어, 가산 모형의 예측 변수에 곡면성을 모형화하는 여러 기저 함수가 있다고 가정합니다. 3개의 기저 함수를 갖는 예측 변수에 대해 생성되는 부분 종속성 그림의 형식은 다음과 같습니다.

예측 변수에 대한 변환이 없으면 예측 변수의 기저 함수는 1개뿐입니다. 1개의 기저 함수에서 생성되는 부분 종속성 그림은 직선입니다.

가중치

사례 가중치가 포함된 열을 입력합니다. 열의 행 수는 반응 열의 행 수와 같아야 합니다. 값은 0 이상이어야 합니다. Minitab은 분석에서 결측값 또는 0을 포함하는 행을 생략합니다.