Suporte ao Minitab® 

Exemplo de Classificação Random Forests®

Saiba mais sobre Minitab
Observação

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

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.

Após a exploração inicial com Classificação CART® para identificar os preditores importantes, os pesquisadores usam Classificação TreeNet® e Classificação Random Forests® para criar modelos mais aprofundados a partir do mesmo conjunto de dados. Os pesquisadores comparam a tabela de sumário do modelo e o gráfico ROC dos resultados para avaliar qual modelo proporciona um resultado de predição melhor. Para os resultados das demais análises, vá para Exemplo de Classificação CART® e Exemplo de Ajuste de modelo com Classificação TreeNet®.

  1. Abra os dados amostrais, BinarioDeDoencasCardiacas.MTW.
  2. Selecione Módulo de análise preditiva > Classificação do Random Forests®.
  3. Na lista suspensa, selecione Resposta binária.
  4. Em Resposta, digite Doença cardíaca.
  5. Em Evento de resposta, selecione Sim para indicar que a doença cardíaca foi identificada no paciente.
  6. Em Preditores contínuos, insira Idade, Pressão Arterial de descanso, Colesterol, Max Heart Rate, e Pico Antigo.
  7. Em Preditores categóricos, insira Sexo, Tipo de dor torácica, Açúcar no sangue em jejum, Resto ECG, Exercício Angina, Inclinação, Principais Navios, e Thal.
  8. Clique em OK.

Interprete os resultados

Para esta análise, o número de observações é de 303. Cada uma das 300 amostras por bootstrap usa as 303 observações para criar uma árvore. Os dados incluem uma boa divisão de não eventos e eventos.

Classificação Random Forests®: Doença cardí vs Idade; Pressão Arte; ...

Método Validação do modelo Validação com dados usando método out-of-bag Número de amostras bootstrap 300 Tamanho amostral: O mesmo que o tamanho dos dados de treinamento de 303 Número de preditores selecionados para divisão de nós Raiz quadrada do número total de preditores = 3 Tamanho mínimo do nó interno 2 Linhas usadas 303
Informações de resposta binária Variável Classe Contagem % Doença cardíaca Sim (Evento) 139 45,87 Não 164 54,13 Tudo 303 100,00

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 0,18.

Classificação Random Forests®: Doença cardí vs Idade; Pressão Arte; ...

Resumo do modelo Preditores totais 13 Preditores importantes 13 Estatística Out-of-Bag Log-verossimilhança médio 0,4004 Área sob a curva ROC 0,9028 IC de 95% (0,8693; 0,9363) Elevação 2,1079 Taxa de classificação incorreta 0,1848

Classificação TreeNet®: Doença cardí vs Idade; Pressão Arte; Colesterol; ...

Resumo do modelo Preditores totais 13 Preditores importantes 13 Número de árvores cultivadas 500 Número ótimo de árvores 351 Estatística Treinamento Teste Log-verossimilhança médio 0,2341 0,3865 Área sob a curva ROC 0,9825 0,9089 IC de 95% (0,9706; 0,9945) (0,8757; 0,9421) Elevação 2,1799 2,1087 Taxa de classificação incorreta 0,0759 0,1750

A tabela de sumário do modelo mostra que o log-verossimilhança negativo médio é de 0,3994. Essas estatísticas indicam um modelo semelhante ao que o Minitab TreeNet® cria quando cultiva 500 árvores. Além disso, as taxas de classificação errada são semelhantes.

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 Vasos principais. Se a contribuição da variável preditora superior, Vasos principais,, for de 100%, então a próxima variável importante, Thal, tem uma contribuição de 89,7%. Isso significa que Thal é 89,7% tão importantes quanto Vasos principais neste modelo de classificação.

Classificação Random Forests®: Doença cardí vs Idade; Pressão Arte; ...

Matriz de confusão Classe predita (Out-of-Bag) Classe real Contagem Sim Não % Correto Sim (Evento) 139 109 30 78,42 Não 164 26 138 84,15 Tudo 303 135 168 81,52 Out-of-Bag Estatística (%) Taxa de positivo verdadeiro (sensibil. ou poder) 78,42 Taxa de positivo falso (erro tipo I) 15,85 Taxa de negativo falso (erro tipo II) 21,58 Taxa de negativo verdadeiro (especificidade) 84,15

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 78,42%. A probabilidade de que um não evento ser predito corretamente é de 84,15%.

Classificação Random Forests®: Doença cardí vs Idade; Pressão Arte; ...

Classificação errada Out-of-Bag Classificado Classe real Contagem errado % de erro Sim (Evento) 139 30 21,58 Não 164 26 15,85 Tudo 303 56 18,48

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 é de 21,58%. Para a predição de não evento, o erro de classificação errada é de 15,85% e, no geral, o erro de classificação errada é de 18,48%.

A área sob a curva ROC para esses dados é de aproximadamente 0,9028, o que mostra uma leve melhora em relação ao modelo Classificação CART®. O modelo Classificação TreeNet® tem um teste AUROC de 0,9089, de modo que esses dois métodos produzem resultados semelhantes.

Neste exemplo, o gráfico de ganho mostra um aumento acentuado acima da linha de referência, em seguida, um achatamento. Neste caso, aproximadamente 40% dos dados representam aproximadamente 78% dos positivos verdadeiros. 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 cai gradualmente.

Copyright © 2024 Minitab, LLC. All rights Reserved.