최고의 모형 검색(계량형 반응) 하이퍼파라미터 최적화

참고

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

방법 표에 대한 정의 및 해석 지침을 찾습니다.

이 항목의 내용

결정계수
평균 절대 편차(MAD)
노드 분할예측변수 수
최소 내부 노드 크기
부트스트랩 표본 수

모델을 만든 후 최고의 모형 검색(계량형 반응)대체 모형 선택 클릭하여 다른 모델을 탐색할 수 있습니다. 랜덤 포리스트 ^® 모델을 선택하는 경우 한 가지 옵션은 새 모델에 맞게 하이퍼매개변수를 지정하는 것입니다. 하이퍼매개변수를 지정하면 결과에 하이퍼매개변수 테이블의 최적화가 포함됩니다. 표는 하이퍼파라미터의 조합을 비교합니다. 하이퍼파라미터 테이블의 최적화를 따르는 결과는 최대 R²같은 최적 기준기준을 가장 잘 값인 모델에 대한 것입니다.

결정계수

R²는 모형에서 설명하는 반응의 변동 비율입니다.

해석

R² 결정계수를 사용하여 모형이 데이터를 얼마나 적합시키는지 확인합니다. R² 결정계수 값이 높을수록 모형이 데이터를 더 잘 적합시킵니다. R² 결정계수는 항상 0%에서 100% 사이입니다.

서로 다른 R² 결정계수 값의 의미를 그래픽으로 설명할 수 있습니다. 첫 번째 그림은 반응에서 변동의 85.5%를 설명하는 단순 회귀 분석 모형을 보여줍니다. 두 번째 그림은 반응에서 변동의 22.6%를 설명하는 모형을 보여줍니다. 모형에 의해 설명되는 변동이 많을수록 데이터 요소가 적합치에 가까워집니다. 이론적으로 모형이 변동의 100%를 설명할 수 있는 경우 적합치는 항상 관측치와 같으며 모든 데이터 요소가 y = x 선에 해당합니다.

참고

Random Forests®는 OOB 데이터를 사용하여 R²계산하지만 모형을 적합하지 않기 때문에 모형이 과도 적합해도 문제가 되지 않습니다.

평균 절대 편차(MAD)

평균 절대 편차(MAD)는 데이터와 동일한 단위로 정확도를 표현하므로 오차 양을 개념화하는 데 도움이 됩니다. 특이치는 R²보다 MAD에 미치는 영향이 적습니다.

해석

다른 모형의 적합을 비교하는 데 사용합니다. 값이 작을수록 더 잘 적합함을 나타냅니다.

노드 분할예측변수 수

이 행은 고려해야 할 예측 변수 수의 선택을 나타냅니다.

최소 내부 노드 크기

최소 내부 노드 크기는 노드가 가질 수 있고 더 많은 노드로 분할될 수 있는 최소 사례 수를 나타냅니다.

부트스트랩 표본 수

부트스트랩 표본 수는 분석의 트리 수를 나타냅니다.