Otimização de hiperparâmetros para Descobrir o melhor modelo (Resposta contínua)

Observação

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

Encontre definições e orientações de interpretação para a tabela Método.

Neste tópico

R-quadrado
Desvio absoluto médio (MAD)
Contagem de preditor para divisão de nó
Tamanho mínimo do nó interno
Número de amostras por bootstrap

Após a criação de um modelo Descobrir o melhor modelo (Resposta contínua)com, você pode clicar Selecione um modelo alternativo para explorar outros modelos. Se você selecionar um modelo Random Forests^®, uma opção é especificar hiperparímetros para se adequar a novos modelos. Se você especificar hiperparmetros, os resultados incluem a tabela Otimização de Hiperparâmetros. A tabela compara as combinações de hiperparmetros. Os resultados que seguem a tabela Otimização dos Hiperparmetros são para o modelo com o melhor valor do critério de otimização, como o máximo R².

R-quadrado

R² é a porcentagem de variação na resposta que o modelo explica.

Interpretação

Use o R² para determinar se o modelo ajusta bem seus dados. Quanto maior o valor R², melhor o modelo ajusta seus dados. R² está sempre entre 0% e 100%.

Você pode ilustrar graficamente o significado de diferentes valores de R². O primeiro gráfico ilustra um modelo de regressão simples que explica 85,5% da variação na resposta. O segundo gráfico ilustra um modelo que explica 22,6% da variação da resposta. Quanto mais variação for explicada pelo modelo, mais perto dos valores ajustados caem os pontos de dados. Teoricamente, se um modelo puder explicar 100% da variação, os valores ajustados sempre equivaleriam aos valores observados e todos os pontos de dados cairiam sobre a linha y = x.

Observação

Como a Random Forests® usa dados out-of-bag para calcular R², mas não para se adequa ao modelo, o excesso de adaptação do modelo não é uma preocupação.

Desvio absoluto médio (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 R².

Interpretação

Use para comparar os ajustes de modelos diferentes. Valores menores indicam um ajuste melhor.

Contagem de preditor para divisão de nó

Esta linha indica a escolha para o número de preditores a considerar.

Tamanho mínimo do nó interno

O tamanho mínimo do nó interno indica o número mínimo de casos que um nó pode ter e ainda se dividir em mais nós.

Número de amostras por bootstrap

O número de amostras por bootstrap indica o número de árvores na análise.