Boxplot de resíduos para Ajuste de modelo e Descubrir preditores-chave com Regressão TreeNet®

Observação

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

Use o boxplot de resíduos para avaliar a exatidão geral do modelo. Quando a análise utiliza uma técnica de validação, você também pode comparar a exatidão da modelo para os dados de treinamento e teste.

O boxplot mostra a diferença entre os valores reais e ajustados. Os pontos com mais de 1,5 vezes a amplitude interquartílica do quartil mais próximo têm símbolos individuais.

Interpretação

Sob uma perspectiva ideal, os resíduos estão todos próximos de 0 em relação à escala da variável resposta. Quando você usa uma técnica de validação, o Minitab cria gráficos separados para os dados de treinamento e de teste. Você pode comparar os gráficos para examinar o desempenho relativo do modelo nos dados de treinamento e em novos dados. Você também pode procurar diferentes padrões que possam indicar uma diferença a ser investigada entre os dados de treinamento e de teste.

Esses boxplots mostram que o IQR é muito maior para o conjunto de dados de teste do que para o conjunto de dados de treinamento. Essa diferença sugere que o desempenho do modelo em relação aos novos dados não está tão bom quanto o desempenho do modelo nos dados de treinamento. Além disso, os resíduos grandes, que são representados por símbolos individuais, podem indicar que o modelo não ajusta bem todos os dados.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política