Interpretar os resultados para Descobrir o melhor modelo (Resposta binária)

Observação

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

Quando você usa para remover os preditores menos importantes, o Minitab Statistical Software produz resultados para o modelo com o melhor valor do critério de precisão para a análise, como a média mínima – log-verossimilhança. Vá para o tipo de modelo correspondente para orientação sobre a interpretação dos resultados.

Seleção do modelo

Os resultados para Descobrir o melhor modelo (Resposta binária) incluem a tabela Seleção de Modelo. Use os resultados para comparar o desempenho dos diferentes tipos de modelos. Um asterisco identifica o melhor modelo. A tabela inclui as seguintes medidas de desempenho do modelo:
Média − Log-verossimilhança
A probabilidade média de log-verossimilhança é uma medida de precisão do modelo. Valores menores indicam um ajuste melhor.
Área sob a curva ROC
A curva ROC traça a taxa de positivos verdadeiros (TPR), também conhecida como poder, no eixo y. A curva ROC traça a taxa de falsos positivos (FPR), também conhecida como erro tipo 1, no eixo x. A área sob uma curva ROC indica se o modelo é um bom classificador.
Para árvores de classificação, a área sob os valores da curva ROC variam tipicamente de 0,5 a 1. Os valores maiores indicam um modelo de ajuste melhor. Quando o modelo consegue separar perfeitamente as classes, a área sob a curva é 1. Quando o modelo não consegue separar as classes melhor do que uma atribuição aleatória, a área sob a curva é 0,5.
Taxa de classificação incorreta
A taxa de classificação incorreta indica com que frequência o modelo classifica com exatidão os valores de resposta. Valores menores indicam melhor desempenho.