Especifique as configurações padrão para Regressão CART®

Arquivo > Opções > Análise preditiva > Regressão CART®

Especifique os métodos padrão para árvores de regressão. As alterações feitas para os padrões permanecem até serem alterados novamente, mesmo depois que você sair do Minitab.

Método de divisão de nós
Escolha o método de divisão para gerar sua árvore de decisão. Você pode comparar os resultados de ambos os métodos de divisão para determinar a melhor escolha para sua aplicação.
  • Erro mínimo quadrado: O método de erro mínimo quadrado é o método padrão que funciona bem em muitas aplicações. O método do erro mínimo quadrado minimiza a soma dos erros quadrados.
  • Desvio absoluto mínimo: O método do mínimo desvio absoluto minimiza a soma de valores absolutos dos erros.
Critério para seleção da árvore ótima
Quando Erro mínimo quadrado é o critério para o método de divisão do nó, escolha entre esses critérios para produzir a árvore nos resultados. Você pode comparar resultados de diferentes árvores para determinar a melhor escolha para sua aplicação.
R-quadrado máximo
Selecione esta opção para exibir resultados para a árvore com o valor máximo de R-quadrado.
Dentro de K erros padrão do R-quadrado máximo; K=
Selecione esta opção para que o Minitab escolha a menor árvore com um valor de R2 que caia dentro de K erros padrão da árvore com o valor máximo de R2. Por padrão, K=1, então a árvore nos resultados é a menor árvore de classificação com um valor de R2 dentro de 1 erro padrão do valor máximo de R2.
Quando Desvio absoluto mínimo for selecionado como método de divisão do nó, escolha entre esses critérios para selecionar a árvore nos resultados. Você pode comparar os resultados de diferentes árvores para determinar a melhor escolha para sua aplicação.
Desvio absoluto médio mínimo
Selecione esta opção para exibir resultados para a árvore com o menor desvio absoluto.
Dentro de K erros padrão de desvio absoluto médio mínimo; K =
Selecione esta opção para que o Minitab escolha uma árvore com um valor de desvio absoluto médio que se caia dentro de K erros padrão da árvore com o menor valor de desvio absoluto. Por padrão, K=1, de modo que a árvore nos resultados é a menor árvore de classificação com um valor de desvio absoluto médio dentro de 1 erro padrão do valor de desvio absoluto mínimo.
Número mínimo de casos para dividir um nó interno
Digite um valor para representar o número mínimo de casos de um nó interno a ser dividido. O padrão é 10. Com tamanhos amostrais maiores, você pode querer aumentar esse número mínimo. Por exemplo, se um nó interno tiver 10 ou mais casos, o Minitab tentará realizar uma divisão. Se o nó interno tiver 9 casos ou menos, o Minitab não tentará realizar uma divisão.
O limite interno do nó deve ser pelo menos o dobro do limite do nó terminal, mas as proporções maiores são melhores. Os limites internos do nó de pelo menos 3 vezes os limites do nó terminal permitem um número razoável de divisores.
O valor padrão é de 10.
Número mínimo de casos permitidos para um nó terminal
Insira um valor para representar o número mínimo de casos que podem ser separados em um nó terminal. O padrão é 3. Com tamanhos amostrais maiores, você pode querer aumentar esse número mínimo. Por exemplo, se uma divisão criar um nó com menos de 3 casos, o Minitab não realizará uma divisão.
O valor padrão é 3.
Penalidade de valor faltante
Insira um valor de penalidade para um preditor com valores ausentes. Como é mais fácil ser um bom divisor com menos dados, preditores com dados faltantes têm uma vantagem sobre os preditores sem perder dados. Use essa opção para penalizar preditores com dados faltantes.
0,0 ≤ K ≤ 2,0, por exemplo:
  • K = 0: Não especifica nenhuma penalidade.
  • K = 2: Especifica a maior penalidade.
Penalidade de categoria de nível superior
Insira um valor de penalidade para preditores categóricos que tenham muitos valores. Como preditores categóricos com muitos níveis podem distorcer uma árvore devido ao seu aumento do poder de divisão, eles têm uma vantagem sobre os preditores com menos níveis. Use esta opção para penalizar preditores com muitos níveis.
0,0 ≤ K ≤ 5,0, por exemplo:
  • K = 0: Não especifica nenhuma penalidade.
  • K = 5: Especifica a maior penalidade.
Exibição de gráficos e tabelas
Resíduos para gráficos
Especifique o tipo de resíduos a serem exibidos no boxplot do gráfico de resíduos.
  • Regular: Por padrão, o boxplot exibe resíduos regulares.
  • Percentual: Especifique para exibir os resíduos percentuais no boxplot.
Tipo de nó terminal
Escolha se deve exibir os melhores nós, os piores nós, tanto para a tabela Estatísticas de ajustes e erros quanto para a tabela Critérios de classificação de sujeitos.
  • Melhor: Por padrão, o Minitab exibe os melhores nós terminais. Os melhores nós têm os menores valores de NSE ou MAD.
  • Pior: Opte por exibir os piores nós terminais. Os piores nós têm os valores mais altos de MSE ou MAD.
  • O melhor e o pior: Selecione para exibir os melhores e os piores nós terminais.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política