통지
이제 support.minitab.com을 떠나게 됩니다."
계속하려면 계속을 클릭하세요 :
이 명령은 예측 분석 모듈에서 사용할 수 있습니다. 모듈을 활성화하는 방법에 대한 자세한 내용은 여기를 클릭하십시오.
포리스트에 있는 지정된 트리의 경우, OOB 데이터의 행에 대한 클래스 투표는 단일 트리의 행에 대한 예측 클래스입니다. OOB 데이터에서 열에 대한 예측 클래스는 포리스트의 모든 트리에서 가장 높은 투표를 가진 클래스입니다. OOB 데이터에서 행에 대한 예측 클래스 확률은 클래스의 투표 수와 행의 총 투표 비율입니다.
OOB 데이터 집합에 대한 차트의 경우 차트의 각 점은 고유한 예측 클래스 확률을 나타냅니다. 가장 높은 사건 확률은 차트의 첫 번째 점이며 가장 왼쪽에 나타납니다. 다른 확률은 감소 순서로 되어 있습니다.
다음 프로세스를 사용하여 차트의 x 및 y 좌표를 찾습니다.
예를 들어 다음 표에서 두 개의 2-수준 범주형 예측 변수가 있는 단순 모형을 요약한다고 가정합니다. 이러한 예측 변수는 소수점 2자리로 반올림되는 4개의 고유한 사건 확률을 제공합니다.
| A: 순서 | B: 예측 변수 1 | C: 예측 변수 2 | D: 사건 수 | E: 비사건 수 | F: 시행 횟수 | G: 분계점(적합된 사건 확률) |
|---|---|---|---|---|---|---|
| 1 | 1 | 1 | 18 | 12 | 30 | 0.60 |
| 2 | 1 | 2 | 25 | 42 | 67 | 0.37 |
| 3 | 2 | 1 | 12 | 44 | 56 | 0.21 |
| 4 | 2 | 2 | 4 | 32 | 36 | 0.11 |
| 합계 | 59 | 130 | 189 |
다음은 가양성률과 소수점 2자리로 반올림된 진양성률을 가진 해당 4개의 표입니다.
| 예측 | |||
|---|---|---|---|
| 사건 | 비사건 | ||
| 관측 | 사건 | 18 | 41 |
| 비사건 | 12 | 118 | |
| 예측 | |||
|---|---|---|---|
| 사건 | 비사건 | ||
| 관측 | 사건 | 43 | 16 |
| 비사건 | 54 | 76 | |
| 예측 | |||
|---|---|---|---|
| 사건 | 비사건 | ||
| 관측 | 사건 | 55 | 4 |
| 비사건 | 98 | 32 | |
| 예측 | |||
|---|---|---|---|
| 사건 | 비사건 | ||
| 관측 | 사건 | 59 | 0 |
| 비사건 | 130 | 0 | |
OOB 절차와 동일한 단계를 사용하지만 검정 집합의 사례에서 사건 확률을 계산합니다.
이제 support.minitab.com을 떠나게 됩니다."
계속하려면 계속을 클릭하세요 :