Observação
Este comando está disponível com o Módulo de análise preditiva. Clique aqui saber mais sobre como ativar o módulo.
Um modelo de Random Forests® é uma abordagem para resolver problemas de classificação e regressão. A abordagem é ao mesmo tempo mais precisa e mais robusta para mudanças nas variáveis preditoras do que uma única árvore de classificação ou regressão. Uma descrição ampla e geral do processo é que o Minitab Statistical Software constrói uma única árvore a partir de uma amostra por bootstrap. O Minitab seleciona aleatoriamente um número menor de preditores do número total de preditores para avaliar o melhor divisor em cada nó. O Minitab repete esse processo para cultivar muitas árvores. No caso da regressão, a predição do modelo é a média das predições de todas as árvores individuais.
Para construir uma árvore de regressão, o algoritmo usa o critério dos mínimos quadrados para medir a impureza dos nós. Para o aplicativo de desktop, cada árvore cresce até que um nó seja impossível de dividir ou um nó atinja o número mínimo de casos para dividir um nó interno. O número mínimo de casos é uma opção para a análise. Para o aplicativo web, a análise adiciona a restrição de que cada árvore tem um limite de 4.000 nós terminais. Para obter mais detalhes sobre a construção de uma árvore de regressão, vá para Métodos de divisão de nós em Regressão CART®. Detalhes específicos para Random Forests® a seguir.
Amostras por bootstrap
Para construir cada árvore, o algoritmo seleciona uma amostra aleatória com substituição (amostra por bootstrap) do conjunto de dados completo. Normalmente, cada amostra por bootstrap é diferente e pode conter um número diferente de linhas únicas do conjunto de dados original. Se você usar apenas a validação fora da sacola, então o tamanho padrão da amostra por bootstrap será o tamanho do conjunto de dados original. Se você dividir a amostra em um conjunto de treinamento e um conjunto de teste, então o tamanho padrão da amostra por bootstrap será o mesmo que o tamanho do conjunto de treinamento. Em ambos os casos, você tem a opção de especificar que a amostra por bootstrap é menor do que o tamanho padrão. Em média, uma amostra por bootstrap contém cerca de 2/3 das linhas de dados. As linhas únicas de dados que não estão na amostra por bootstrap são os dados fora da sacola para validação.
Seleção aleatória de preditores
Em cada nó na árvore, o algoritmo seleciona aleatoriamente um subconjunto do número total de preditores, 
, para avaliar como divisores. Por padrão, o algoritmo escolhe 
preditores para avaliar em cada nó. Você tem a opção de escolher um número diferente de preditores para avaliar, de 1 a 
. Se você escolher 
preditores, então o algoritmo avaliará cada preditor em cada nó, resultando em uma análise com o nome “bootstrap forest”.
Em uma análise que utiliza um subconjunto de preditores em cada nó, os preditores avaliados são geralmente diferentes em cada nó. A avaliação de diferentes preditores torna as árvores na floresta menos correlacionadas umas com as outras. As árvores menos correlacionadas criam um efeito de aprendizagem lento para que as predições melhorem à medida que você constrói mais árvores.
Validação com dados fora da sacola
As linhas únicas de dados que não fazem parte do processo de construção de árvores para uma determinada árvore são os dados fora da sacola. Cálculos para medidas de desempenho do modelo usam os dados fora da sacola. Para obter mais detalhes, vá para Métodos e fórmulas para o sumário do modelo em Regressão Random Forests®.
Para uma determinada árvore na floresta, uma predição para uma linha nos dados fora da sacola é feita a partir da única árvore. A predição para uma linha em dados fora da sacola é a média das predições das árvores individuais.
Predição para uma linha no conjunto de treinamento
Cada árvore na floresta faz uma predição individual para cada linha no conjunto de treinamento. O valor previsto para uma linha no conjunto de treinamento é a média dos valores preditos de todas as árvores da floresta.
