Interpretação
Cada linha da tabela mostra a estatística de ajuste e erro para um nó. Os melhores nós estão ordenados do menor erro para o maior erro. Os piores nós estão ordenados do maior erro para o menor erro.
Quando você usa um conjunto de dados de teste, o Minitab calcula a estatística separada para os dados de treinamento e de teste. Você pode comparar a estatística para examinar o desempenho relativo da árvore nos dados de treinamento e em novos dados. Normalmente, a estatística de teste é uma medida melhor do desempenho da árvore para novos dados.
- Ajuste
- O ajuste é o valor médio de resposta dos casos no nó. O ajuste é o valor predito para novos dados que caem no mesmo nó. Os nós terminais com ajustes diferentes dos outros nós do terminal podem ser de interesse especial, pois os valores ajustados para casos nesses nós terminais serão diferentes.
- Contagem
- A contagem é o número de casos no nó. Se a análise inclui pesos, ela é chamada de contagem ponderada. Os nós terminais com muitos casos podem ser de interesse especial porque esses nós normalmente representam casos mais comuns.
- StDev
- O desvio padrão é o desvio padrão dos valores de resposta no nó. Nós terminais com desvios padrão menores podem ser de interesse especial porque as predições desses nós são mais precisas do que para nós terminais com desvios padrão maiores.
- MSE
- O erro quadrado médio (MSE) mede a exatidão do nó. Os outliers exercem um efeito maior sobre o MSE do que sobre o MAD e o MAPE.
- MAD
-
O desvio absoluto médio (MAD) expressa exatidão nas mesmas unidades que os dados, o que ajuda a conceituar a quantidade de erro. Os outliers têm menos efeito sobre o MAD do que sobre o MSE.
- MAPE
- O erro percentual absoluto médio (MAPE) expressa exatidão como o percentual do erro. Como o MAPE é um percentual, pode ser mais fácil de entender do que as outras estatística de medida de exatidão. Por exemplo, se o MAPE for 5, em média, o ajuste está em 5%. Os outliers têm menos efeito sobre o MAPE do que sobre o MSE.
-
No entanto, às vezes você pode ver um valor de MAPE muito grande, mesmo que o nó pareça ajustar bem os dados. Examine o gráfico de valor de resposta ajustado versus real para ver se algum dos valores de dados estão próximos de 0. Como o MAPE divide o erro absoluto pelos dados reais, os valores próximos a 0 podem inflar muito o MAPE.
