TreeNet^® 분류를 통한주요 예측 변수 검색의 예제

방법 최적 트리 수 선택 기준 최대 로그 우도 모형 검증 70/30% 교육/검정 집합 학습률 0.05 하위 표본 선택 방법 완전 랜덤 하위 표본 부분 0.5 트리당 최대 터미널 노드 수 6 최소 단말 노드 크기 3 노드 분할을 위해 선택된 예측 변수 수 총 예측 변수 수 = 29 사용된 행 5000

이항 반응 정보 교육 검정 변수 등급 카운트 % 카운트 % 허용 가능한 프레첼 1 (사건) 2160 61.82 943 62.62 0 1334 38.18 563 37.38 모두 3494 100.00 1506 100.00

중요하지 않은 예측 변수를 제거하여 모형 선택 검정 모형 최적의 트리 수 평균 음수 로그 우도 예측 변수 수 제거된 예측 변수 1 268 0.273936 29 없음 2 268 0.274186 27 폼 안정성, 벌크 밀도 3 234 0.273843 26 최소 겔화 농도 4 233 0.274350 25 오븐 모드 2 5 232 0.274943 24 가마 방법 6 273 0.275553 23 오븐 모드 1 7 244 0.274811 22 믹스 스피드 8 268 0.274258 21 오븐 모드 3 9 272 0.274185 20 휴식 표면 10 232 0.274077 19 굽는 온도 3 11 287 0.273598 18 믹스 툴 12 227 0.274358 17 베이킹 온도 1 13 276 0.275374 16 휴식 시간 14 272 0.276082 15 물 15 268 0.275595 14 가성 농도 16 268 0.277810 13 붓기 용량 17 253 0.276436 12 에멀젼 안정성 18 231 0.276159 11 에멀젼 활동 19 268 0.273537 10 수흡수 능력 20 260 0.273455 9 오일 흡수 용량 21 299 0.272848 8 밀가루 단백질 22 278 0.272629 7 폼 용량 23* 299 0.267184 6 밀가루 크기 24 297 0.288621 5 베이킹 온도 2 25 234 0.330342 4 건조 시간 26 290 0.305993 3 젤라틴화 온도 27 245 0.534345 2 베이크 타임 28 146 0.599837 1 가마 온도 알고리즘은 각 단계에서 하나의 예측 변수와 중요도가 0인 임의의 예측 변수를 제거했습니다. * 선택한 모형에는 최소 평균 음수 로그 우도가 있습니다. 선택한 모형의 출력이 뒤에 나옵니다.

모형 요약 전체 예측 변수 6 중요 예측 변수 6 성장한 트리 수 300 최적의 트리 수 299 통계량 교육 검정 평균 음수 로그 우도 0.2418 0.2672 ROC 곡선 아래 면적 0.9661 0.9412 95% CI (0.9608, 0.9713) (0.9295, 0.9529) 향상도 1.6176 1.5970 오분류 비율 0.0970 0.0963

오차 행렬 예측된 등급(교육) 예측된 등급(검정) 실제 등급 카운트 1 0 정답률(%) 카운트 1 0 정답률(%) 1 (사건) 2160 1942 218 89.91 943 846 97 89.71 0 1334 121 1213 90.93 563 48 515 91.47 모두 3494 2063 1431 90.30 1506 894 612 90.37 행의 사건 확률이 0.5을 초과하는 경우 사건 등급에 행을 할당합니다.

통계량 교육(%) 검정(%) 진양성률(민감도 또는 검정력) 89.91 89.71 가양성률(유형 I 오차) 9.07 8.53 가음성률(유형 II 오차) 10.09 10.29 진음성률(특이성) 90.93 91.47

오분류 교육 검정 실제 등급 카운트 오분류됨 오차율(%) 카운트 오분류됨 오차율(%) 1 (사건) 2160 218 10.09 943 97 10.29 0 1334 121 9.07 563 48 8.53 모두 3494 339 9.70 1506 145 9.63 행의 사건 확률이 0.5을 초과하는 경우 사건 등급에 행을 할당합니다.