Observação
Este comando está disponível com o Módulo de análise preditiva. Clique aqui saber mais sobre como ativar o módulo.
Procure o melhor tipo de modelo
Uma equipe de pesquisadores coleta e publica informações detalhadas sobre fatores que afetam doenças cardíacas. As variáveis incluem idade, sexo, níveis de colesterol, frequência cardíaca máxima e muito mais. Este exemplo é baseado em um conjunto de dados públicos que fornece informações detalhadas sobre doenças cardíacas. Os dados originais são de archive.ics.uci.edu.
Os pesquisadores querem encontrar um modelo que faça as previsões mais precisas possíveis. Os pesquisadores usam Descobrir o melhor modelo (Resposta binária) para comparar o desempenho preditivo de 4 tipos de modelos: regressão logística binária, TreeNet®, Random Forests® e CART®. Os pesquisadores planejam explorar ainda mais o tipo de modelo com o melhor desempenho preditivo.
- Abra os dados amostrais, BinarioCardiopatiaMelhorModelo.MTW.
- Selecione .
- Em Resposta, insira 'Doença cardíaca'.
- Em , insira Idade, 'Pressão Arterial de descanso', Colesterol, 'Max Heart Rate', e ' Pico Antigo'.
- In Preditores categóricos, insira Sexo, ' Tipo de dor torácica', 'Açúcar no sangue em jejum', 'Resto ECG', 'Exercício Angina', Inclinação, 'Principais Navios', e Thal.
- Clique em OK.
Interprete os resultados
A tabela Seleção de Modelos compara o desempenho dos diferentes tipos de modelos. O modelo de Random Forests® tem o valor mínimo da probabilidade média de loglikelihood. Os resultados a seguir são para o melhor modelo de Random Forests® .
A taxa de classificação errada vs número de árvores mostra toda a curva sobre o número de árvores cultivadas. A taxa de classificação errada é de aproximadamente 0,16.
A tabela de sumário do modelo mostra que o log-verossimilhança negativo médio é de 0,39.
O gráfico de importância relativa da variável representa os preditores por ordem de seu efeito sobre a melhoria do modelo quando as divisões são feitas em um preditor sobre a sequência de árvores. A variável preditora mais importante é o Thal. Se a contribuição da variável preditora superior, Thal, for de 100%, então a próxima variável importante, Vasos principais, tem uma contribuição de 98,9%. Isso significa que os Vasos principais são 98,9% tão importantes quanto Thal neste modelo de classificação.
A matriz confusão mostra se o modelo separa as classes bem e corretamente. Neste exemplo, a probabilidade de um evento ser predito corretamente é de 87%. A probabilidade de que um não evento ser predito corretamente é de 81%.
A taxa de classificação errada ajuda a indicar se o modelo irá predizer novas observações com exatidão. Para predição de eventos, o erro de classificação errada do teste é de 13%. Para predição de eventos, o erro de classificação errada do é de 19%. No geral, o erro de classificação errada para os dados do teste é de aproximadamente 16%.
A área sob a curva ROC para o modelo Random Forests® é aproximadamente 0,90 para os dados fora do saco.
Descobrir o melhor modelo (resposta binária): Doença cardí vs Idade; Pressão Arte; ...
Seleção de modelo
Gráfico de taxa de classificação errada vs número de árvores
Curva característica de operação do receptor (ROC)
Gráfico de ganho
Gráfico de elevação
Selecione um modelo alternativo
Os pesquisadores podem analisar os resultados de outros modelos a partir da busca pelo melhor modelo. Para um modelo TreeNet®, você pode selecionar a partir de um modelo que fez parte da pesquisa ou especificar hiperparmetros para um modelo diferente.
- Após a tabela sumário do modelo, clique em Selecionar um modelo alternativo .
- Em Tipo de modelo, selecione TreeNet®.
- Em Selecione um modelo existente, escolha o terceiro modelo, que tem o melhor valor da média mínima – loglikelihood.
- Clique em Exibir resultados.
Interprete os resultados
Para esta análise, o Minitab cultiva 300 árvores e o número ótimo de árvores é de 46. O modelo usa uma taxa de aprendizagem de 0,1 e uma fração subsample de 0,5. O número máximo de nós terminais por árvore é 6.
O gráfico de log-verossimilhança médio vs número de árvores mostra toda a curva sobre o número de árvores cultivadas. O valor ótimo para os dados do teste é 0,3907 quando o número de árvores é 46.
Classificação TreeNet®: Doença cardí vs Idade; Pressão Arte; Colesterol; ...
Quando o número de árvores é de 46, a tabela de resumo do modelo indica que a probabilidade média negativa de loglikelihood é aproximadamente 0,21 para os dados de treinamento e aproximadamente 0,39 para os dados do teste.
O gráfico de importância relativa da variável representa os preditores por ordem de seu efeito sobre a melhoria do modelo quando as divisões são feitas em um preditor sobre a sequência de árvores. A variável preditora mais importante é o Tipo de dor torácica. Se a contribuição da variável preditora superior, Tipo de dor torácica, for 100%, a próxima variável importante, Thal, terá uma contribuição de 95,8%. Isso significa que o Thal é 95,8% tão importante quanto o tipo de dor torácica neste modelo de classificação.
Classificação TreeNet®: Doença cardí vs Idade; Pressão Arte; Colesterol; ...
A matriz confusão mostra se o modelo separa as classes bem e corretamente. Neste exemplo, a probabilidade de que um evento seja previsto corretamente é de aproximadamente 89%. A probabilidade de que um não-evento seja previsto corretamente é de aproximadamente 80%.
Classificação TreeNet®: Doença cardí vs Idade; Pressão Arte; Colesterol; ...
A taxa de classificação errada ajuda a indicar se o modelo irá predizer novas observações com exatidão. Para a previsão de eventos, o erro de classificação errada do teste é de aproximadamente 11%. Para a previsão de não eventos, o erro de classificação errada é de aproximadamente 20%. No geral, o erro de classificação errada para os dados do teste é de aproximadamente 15%.
A área sob a curva ROC quando o número de árvores é 46 é aproximadamente 0,98 para os dados de treinamento e é aproximadamente 0,90 para os dados de teste.
Neste exemplo, o gráfico de ganho mostra um aumento acentuado acima da linha de referência, em seguida, um achatamento. Nesse caso, aproximadamente 60% dos dados respondem por aproximadamente 90% dos verdadeiros positivos. Essa diferença é o ganho extra com o uso do modelo.
Neste exemplo, o gráfico de elevação mostra um grande aumento acima da linha de referência que começa a diminuir mais rapidamente após aproximadamente 50% da contagem total.
Use os gráficos de dependência parcial para obter uma visão de como as variáveis importantes ou pares de variáveis afetam a resposta predita. Os valores de resposta ajustados estão na escala de log de 1/2. Os gráficos de dependência parcial mostram se a relação entre a resposta e uma variável é linear, monotônica ou mais complexa.
Por exemplo, no gráfico de dependência parcial do tipo de dor no peito, as chances de 1/2 log são mais altas no valor de 3. Clique em Selecionar mais preditores para representar no gráfico para produzir gráficos para outras variáveis
