Selecione os gráficos a serem exibidos para Ajuste de modelo e Descubrir preditores-chave com Classificação TreeNet®

Módulo de análise preditiva > Classificação TreeNet® > Ajuste de modelo > Gráficos

Módulo de análise preditiva > Classificação TreeNet® > Descobrir preditores principais > Gráficos

Observação

Este comando está disponível com o Módulo de análise preditiva. Clique aqui saber mais sobre como ativar o módulo.

Selecione os gráficos que deseja exibir para a realização da análise.

O gráfico disponível depende do critério usado para selecionar o número ótimo de árvores. O gráfico mostra a relação entre o critério e o número de árvores.
  • Gráfico da média de log-verossimilhança vs número de árvores
  • Gráfico de área sob curva ROC vs número de árvores
  • Gráfico de taxa de classificação incorreta vs. número de árvores
Gráfico de importância da variável
O gráfico de importância da variável mostra a importância relativa dos preditores. Você pode optar entre exibir todas ou algumas das variáveis importantes. As variáveis são importantes quando usadas como divisores primários.
  • Exibir todas as variáveis importantes: Por padrão, este gráfico exibe todas as variáveis importantes.
  • Exibir uma porcentagem de variáveis importantes: Especifique o percentual de variáveis importantes serem exibidas. Insira um valor entre 0 e 100.
  • Exibir todas as variáveis preditoras: Exiba todos os preditores, sejam ou não variáveis importantes.
Curva característica de operação do receptor (ROC)
A curva característica de operação do receptor (ROC) mostra a capacidade de um modelo distinguir entre as classes. A curva ROC traça a taxa de positivos verdadeiros (TPR) em relação à taxa de falsos positivos (FPR).
Gráfico de ganho
O gráfico de ganhos acumulados ilustra a eficácia do modelo em uma porção da população. O gráfico de ganhos representa graficamente a taxa positiva verdadeira em porcentagem versus % da população.
Gráfico de elevação
O gráfico de ganho ilustra a eficácia do modelo preditivo. O gráfico traça o ganho acumulado versus % da população e exibe a diferença entre os resultados obtidos com e sem o modelo preditivo. Você pode especificar Acumulado ou Não acumulado para o gráfico de elevação.
Boxplot de probabilidades de eventos
Para uma resposta binária, o boxplot de probabilidades de evento exibe a distribuição de probabilidades de evento tanto para os dados de teste quanto para os dados de treinamento.
Gráfico de dependência parcial de um preditor para as k variáveis mais importantes, K =
Por padrão, os gráficos de dependência parcial com um preditor exibem os valores de probabilidades de ajuste de meio log para as 4 variáveis mais importantes. Você pode aumentar ou diminuir o número de variáveis importantes a serem representadas graficamente. Depois de ter resultados, clique em Selecionar mais preditores para representar no gráfico embaixo dos gráficos de um preditor para exibir gráficos para mais preditores.
Gráfico da dependência parcial de dois preditores para as k principais variáveis importantes, K =
Os gráficos de dependência parcial com dois preditores exibem os valores de probabilidades de ajuste de meio log para as 2 variáveis mais importantes, por padrão. Você pode aumentar ou diminuir o número de variáveis importantes a serem representadas graficamente. Depois de ter resultados, clique em Selecionar mais preditores para representar no gráfico embaixo dos gráficos de dois preditores para exibir gráficos para mais pares de preditores.
Para gráficos com preditores categóricos, o Minitab representa graficamente um gráfico de dispersão dos valores ajustados. Para preditores contínuos, você pode especificar os gráficos Superfície, Contorno ou ambos.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política