Exemplo de Descubrir preditores-chave com Classificação TreeNet^®

Interprete os resultados

Para esta análise, o Minitab Statistical Software compara 28 modelos. O número de etapas é menor que o número máximo de etapas porque o preditor estabilidade da espuma tem uma pontuação de importância de 0 no primeiro modelo, então o algoritmo elimina 2 variáveis na primeira etapa. O asterisco na coluna Modelo da tabela de avaliação de modelos mostra que o modelo com o menor valor da estatística de log-verossimilhança é o modelo 23. Os resultados que seguem a tabela de avaliação do modelo são para o modelo 23.

Embora o modelo 23 tenha o menor valor da estatística média – log-verossimilhança, outros modelos têm valores semelhantes. A equipe pode clicar em Selecionar um modelo alternativo para produzir resultados para outros modelos da tabela de avaliação de modelos.

Nos resultados do Modelo 23, o Gráfico de média − log-verossimilhança vs. número de árvores mostra que o número ótimo de árvores é quase o número de árvores na análise. A equipe pode clicar em Sintonizar hiperparâmetros para identificar um modelo melhor para aumentar o número de árvores e para ver se mudanças em outros hiperparâmetros melhoram o desempenho do modelo.

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 tempo de mistura. Se a contribuição da variável preditora superior, tempo de mistura, for de 100%, então a próxima variável importante, temperatura do forno, tem uma contribuição de 93,9%. Isso significa que temperatura do forno é 93,9% tão importante quanto tempo de mistura.

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 na escala de meio log são as predições oriundas do modelo. Os gráficos de dependência parcial mostram se a relação entre a resposta e uma variável é linear, monotônica ou mais complexa.

Os gráficos de dependência parcial do único preditor mostram que os valores médios para tempo de mistura, temperatura do forno e Hora de assar aumentam as chances de um pretzel aceitável. Um valor médio de tempo seco diminui as chances de um pretzel aceitável. Os pesquisadores podem clicar em Selecionar mais preditores para representar no gráfico para produzir gráficos para outras variáveis.

O gráfico de dependência parcial de dois preditores de tempo de mistura e temperatura do forno mostra uma relação mais complexa entre as duas variáveis e a resposta. Enquanto os valores médios tempo de mistura e temperatura do forno aumentam as chances de um pretzel aceitável, o gráfico mostra que as melhores chances ocorrem quando ambas as variáveis estão em valores médios. Os pesquisadores podem clicar em Selecionar mais preditores para representar no gráfico para produzir gráficos para outros pares de variáveis.

Matriz de confusão

	Classe predita (Treinamento)				Classe predita (Teste)
Classe real	Contagem	1	0	% Correto	Contagem	1	0	% Correto
1 (Evento)	2160	1942	218	89,91	943	846	97	89,71
0	1334	121	1213	90,93	563	48	515	91,47
Todos	3494	2063	1431	90,30	1506	894	612	90,37

Estatísticas	Treinamento (%)	Teste (%)
Taxa de positivo verdadeiro (sensibil. ou poder)	89,91	89,71
Taxa de positivo falso (erro tipo I)	9,07	8,53
Taxa de negativo falso (erro tipo II)	10,09	10,29
Taxa de negativo verdadeiro (especificidade)	90,93	91,47

Classificação errada

	Treinamento			Teste
	Contagem	Classificado errado	% de erro	Contagem	Classificado errado	% de erro
Classe real
1 (Evento)	2160	218	10,09	943	97	10,29
0	1334	121	9,07	563	48	8,53
Todos	3494	339	9,70	1506	145	9,63