이항 로지스틱 모형 적합및이항 로지스틱 회귀 분석에 대한 유효성 검사 방법을 지정합니다.

통계분석 > 회귀 분석 > 이항 로지스틱 회귀 분석 > 이항 로지스틱 모형 적합 > 유효성 검사

예측 분석 모듈 > 이항 로지스틱 회귀 분석 > 확인

모형을 검정할 검증 방법을 선택합니다. 일반적으로 표본이 작은 경우 K-폴드 교차 검증 방법이 적합합니다. 더 큰 표본을 사용하면 학습 및 검정에 사용할 사례를 선택할 수 있습니다.

없음

분석은 모형을 검증하지 않습니다.

다음 단계에 따라 K-폴드 교차 검증을 사용합니다.

드롭다운 목록에서 K-접기 교차 검증을 선택합니다.
다음 중 하나를 선택하여 폴드를 임의로 할당할지 또는 ID 열을 사용하여 할당할지 지정합니다.
- 각 접기의 행 랜덤 할당: Minitab이 각 폴드의 행을 임의로 선택하도록 하려면 이 옵션을 선택합니다. 폴드 수를 지정할 수 있습니다. 기본값 10은 대부분의 경우에 잘 작동합니다. K의 낮은 값을 사용하면 더 많은 치우침이 발생할 수 있습니다. 그러나 K 값이 클수록 더 많은 가변성이 나타날 수 있습니다. 난수 생성기의 기준값을 설정할 수도 있습니다.
- ID 열별로 각 접기의 행 할당: 각 폴드에 포함할 행을 선택하려면 이 옵션을 선택합니다. ID 열에서 폴드를 식별하는 열을 입력합니다. ID 열에 같은 값이 있는 각 행은 동일한 폴드에 있습니다.
- (선택 사항) ID 열을 저장하려면 K-접기 교차 검증을 위한 ID 열 저장을 선택합니다.

다음 단계를 완료하여 데이터를 학습 데이터 세트와 검정 데이터 세트로 나눕니다.

드롭다운 목록에서 검정 집합을 사용한 검증을 선택합니다.
다음 중 하나를 선택하여 임의로 행의 일부를 선택할지 또는 ID 열을 사용하여 선택할지 지정합니다.
- 행 부분을 검정 집합으로 랜덤 선택: 이 옵션을 선택하여 Minitab이 검정 데이터 세트를 임의로 선택하도록 합니다. 검정 데이터 세트에서 사용할 데이터의 양을 지정할 수 있습니다. 기본값 0.3은 대부분의 경우에 잘 작동합니다. 모형을 잘 평가하기 위해 검정 데이터 세트에 충분한 데이터를 포함하려고 합니다. 모형의 형식에 대해 잘 모르는 경우 더 큰 검정 데이터 세트는 더 강력한 검증을 제공합니다. 또한 학습 데이터 세트에 모형을 잘 추정할 수 있는 충분한 데이터를 원할 수도 있습니다. 일반적으로 예측 변수가 많은 모형에는 추정하기 위해 더 많은 학습 데이터가 필요합니다.
- ID 열별로 교육/검정 분할 정의: 검정 표본에 포함할 행을 직접 선택하려면 이 옵션을 선택합니다. ID 열에서 검정 표본에 사용할 행을 나타내는 열을 입력합니다. ID 열에는 2개의 값만 포함되어야 합니다. 검정 집합 수준에서 검정 표본으로 사용할 수준을 선택합니다.
(선택 사항) ID 열을 저장하려면 교육/검정 분할을 위한 ID 열 저장을 선택합니다.