Especifique as configurações padrão para Classificação TreeNet®

Arquivo > Opções > Análise preditiva > Classificação TreeNet®

Especifique as configurações padrão para Classificação TreeNet® As alterações feitas para os padrões permanecem até serem alterados novamente, mesmo depois que você sair do Minitab.

Escolha o método para gerar seu modelo ótimo. Você pode comparar os resultados de vários métodos para determinar a melhor escolha para sua aplicação.
  • Log-verossimilhança máximo: O método da máxima verossimilhança encontra o máximo das funções de verossimilhança para os dados.
  • Área máxima sob curva ROC: O método da área máxima sob a curva ROC funciona bem em muitas aplicações. A área sob a curva ROC indica se o modelo classifica bem as linhas da mais propensa a produzir um evento à menos propensa a produzir um evento. Esta opção está disponível com uma resposta binária.
  • Taxa mínima de classificação incorreta: Selecione esta opção para exibir resultados para o modelo que minimiza o taxa de classificação incorreta. A taxa de classificação incorreta baseia-se na simples contagem de quantas vezes o modelo prediz um caso corretamente ou incorretamente.
Escolha o método para gerar seu modelo ótimo. Você pode comparar os resultados de vários métodos para determinar a melhor escolha para sua aplicação.
  • Taxa mínima de classificação incorreta: Selecione esta opção para exibir resultados para o modelo que minimiza o taxa de classificação incorreta. A taxa de classificação incorreta baseia-se na simples contagem de quantas vezes o modelo prediz um caso corretamente ou incorretamente.
  • Log-verossimilhança máximo: O método da máxima verossimilhança encontra o máximo das funções de verossimilhança para os dados.
Máximo de nós terminais por árvore E o Profundidade máxima da árvore
Você também pode limitar o tamanho das árvores. Escolha uma das seguintes opções para limitar o tamanho das árvores.
  • Máximo de nós terminais por árvore: Digite um valor entre 2 e 2000 para representar o número máximo de nós terminais de uma árvore. Normalmente, o valor padrão de 6 proporciona um bom equilíbrio entre a velocidade de cálculo e a investigação das interações entre as variáveis. Um valor de 2 elimina a investigação das interações.
  • Profundidade máxima da árvore: Digite um valor entre 2 e 1000 para representar a profundidade máxima de uma árvore. O nó raiz corresponde a uma profundidade de 1. Em muitas aplicações, profundidades de 4 a 6 dão modelos razoavelmente bons.
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.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política