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 Classificação Random Forests®.
- Abra os dados amostrais, BinarioDeDoencasCardiacas.MWX.
- Selecione .
- Na lista suspensa, selecione Resposta binária.
- Em Resposta, insira 'Doença cardíaca '.
- Em Evento de resposta, selecione Sim para indicar que a doença cardíaca foi identificada no paciente.
- Em Preditores contínuos, insira Idade, 'Pressão Arterial de descanso', Colesterol , 'Max Heart Rate' e 'Pico Antigo'.
- Em Preditores categóricos, insira Sexo, 'Tipo de dor torácica', 'Açúcar no sangue em jejum', 'Resto ECG','', ,Exercício Angina Inclinação'Principais Navios' e . Thal
- Clique em OK.
Interpretar os resultados
Para essa análise, o Minitab cultiva 300 árvores e o número ótimo de árvores é 298. Como o número ótimo de árvores está próximo do número máximo de árvores que o modelo cultiva, os pesquisadores repetem a análise com mais árvores.
Sumário do modelo
| Preditores totais | 13 |
|---|---|
| Preditores importantes | 13 |
| Número de árvores cultivadas | 300 |
| Número ótimo de árvores | 298 |
| Estatísticas | Treinamento | Validação cruzada |
|---|---|---|
| -Log da Verossimilhança Média | 0,2556 | 0,3881 |
| Área sob a curva ROC | 0,9796 | 0,9089 |
| IC de 95% | (0,9664; 0,9929) | (0,8759; 0,9419) |
| Elevação | 2,1799 | 2,1087 |
| Taxa de classificação errada | 0,0891 | 0,1617 |
Exemplo com 500 árvores
- Selecione Ajustar hiperparâmetros nos resultados.
- Em Número de árvores, insira 500.
- Clique em Exibir resultados.
Interpretar os resultados
Para essa análise, foram cultivadas 500 árvores e o número ideal de árvores é 351. O melhor modelo usa uma taxa de aprendizado de 0,01, uma fração subamostral de 0,5 e usa 6 como número máximo de nós terminais.
Método
| Critério para seleção do número ótimo de árvores | Log-verossimilhança máximo |
|---|---|
| Validação do modelo | Validação cruzada de 5 dobras |
| Taxa de aprendizado | 0,01 |
| Método de seleção da subamostra | Completamente aleatório |
| Fração da subamostra | 0,5 |
| Nós máximos terminais por árvore | 6 |
| Tamanho mínimo do nó terminal | 3 |
| Número de preditores selecionados para divisão de nós | Número total de preditores = 13 |
| Linhas usadas | 303 |
Informações de resposta binária
| Variável | Classe | Contagem | % |
|---|---|---|---|
| Doença cardíaca | Sim (Evento) | 139 | 45,87 |
| Não | 164 | 54,13 | |
| Todos | 303 | 100,00 |
Método
| Critério para seleção do número ótimo de árvores | Log-verossimilhança máximo |
|---|---|
| Validação do modelo | Validação cruzada de 5 dobras |
| Taxa de aprendizado | 0,001; 0,01; 0,1 |
| Fração da subamostra | 0,5; 0,7 |
| Nós máximos terminais por árvore | 6 |
| Tamanho mínimo do nó terminal | 3 |
| Número de preditores selecionados para divisão de nós | Número total de preditores = 13 |
| Linhas usadas | 303 |
Informações de resposta binária
| Variável | Classe | Contagem | % |
|---|---|---|---|
| Doença cardíaca | Sim (Evento) | 139 | 45,87 |
| Não | 164 | 54,13 | |
| Todos | 303 | 100,00 |
Otimização de hiperparâmetros
| Modelo | Número ótimo de árvores | -Log da Verossimilhança Média | Área sob a curva ROC | Taxa de classificação errada | Taxa de aprendizado | Fração da subamostra |
|---|---|---|---|---|---|---|
| 1 | 500 | 0,542902 | 0,902956 | 0,171749 | 0,001 | 0,5 |
| 2* | 351 | 0,386536 | 0,908920 | 0,175027 | 0,010 | 0,5 |
| 3 | 33 | 0,396555 | 0,900782 | 0,161694 | 0,100 | 0,5 |
| 4 | 500 | 0,543292 | 0,894178 | 0,178142 | 0,001 | 0,7 |
| 5 | 374 | 0,389607 | 0,906620 | 0,165082 | 0,010 | 0,7 |
| 6 | 39 | 0,393382 | 0,901399 | 0,174973 | 0,100 | 0,7 |
| Modelo | Máximo de do nós terminais |
|---|---|
| 1 | 6 |
| 2* | 6 |
| 3 | 6 |
| 4 | 6 |
| 5 | 6 |
| 6 | 6 |
O gráfico de log-verossimilhança médio vs número de árvores mostra toda a curva sobre o número de árvores cultivadas. O valor ótimo da validação cruzada é 0,3865 quando o número de árvores é 351.
Sumário do modelo
| Preditores totais | 13 |
|---|---|
| Preditores importantes | 13 |
| Número de árvores cultivadas | 500 |
| Número ótimo de árvores | 351 |
| Estatísticas | Treinamento | Validação cruzada |
|---|---|---|
| -Log da Verossimilhança Média | 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 errada | 0,0759 | 0,1750 |
Sumário do modelo
| Preditores totais | 13 |
|---|---|
| Preditores importantes | 13 |
| Estatísticas | Out-of-Bag |
|---|---|
| -Log da Verossimilhança Média | 0,4004 |
| Área sob a curva ROC | 0,9028 |
| IC de 95% | (0,8693; 0,9363) |
| Elevação | 2,1079 |
| Taxa de classificação errada | 0,1848 |
A tabela resumida do modelo mostra que a probabilidade logaritmiátrica negativa média quando o número de árvores é 351 é aproximadamente 0,23 para os dados de treinamento e é aproximadamente 0,39 para os resultados de validação cruzada. Essas estatísticas indicam um modelo semelhante ao que o Minitab Random Forests® cria. 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 o Thal. Se a contribuição da variável preditora superior, Thal, for de 100%, então a próxima variável importante, Vasos principais, tem uma contribuição de 97,8%. Isso significa que os Vasos principais são 97,8% tão importantes quanto Thal neste modelo de classificação.
Matriz de confusão
| Classe predita (Treinamento) | Classe predita (Validação cruzada) | ||||||
|---|---|---|---|---|---|---|---|
| Classe real | Contagem | Sim | Não | % Correto | Sim | Não | % Correto |
| Sim (Evento) | 139 | 124 | 15 | 89,21 | 110 | 29 | 79,14 |
| Não | 164 | 8 | 156 | 95,12 | 24 | 140 | 85,37 |
| Todos | 303 | 132 | 171 | 92,41 | 134 | 169 | 82,51 |
| Estatísticas | Treinamento (%) | Validação cruzada (%) |
|---|---|---|
| Taxa de positivo verdadeiro (sensibil. ou poder) | 89,21 | 79,14 |
| Taxa de positivo falso (erro tipo I) | 4,88 | 14,63 |
| Taxa de negativo falso (erro tipo II) | 10,79 | 20,86 |
| Taxa de negativo verdadeiro (especificidade) | 95,12 | 85,37 |
A matriz de confusão mostra o quão bem o modelo separa corretamente as classes. Neste exemplo, a probabilidade de um evento ser predito corretamente é de 79,14%. A probabilidade de que um não evento ser predito corretamente é de 85,37%.
Classificação errada
| Treinamento | Validação cruzada | ||||
|---|---|---|---|---|---|
| Classificado errado | % de erro | Classificado errado | % de erro | ||
| Classe real | Contagem | ||||
| Sim (Evento) | 139 | 15 | 10,79 | 29 | 20,86 |
| Não | 164 | 8 | 4,88 | 24 | 14,63 |
| Todos | 303 | 23 | 7,59 | 53 | 17,49 |
A taxa de classificação errada ajuda a indicar se o modelo irá predizer novas observações com exatidão. Para previsão de eventos, o erro de classificação incorreta para os resultados de validação cruzada é de 20,86%. Para a predição de não evento, o erro de classificação errada é de 14,63% e, no geral, o erro de classificação errada é de 17,49%.
A área sob a curva ROC quando o número de árvores é 351 é aproximadamente 0,98 para os dados de treinamento e cerca de 0,91 para os resultados de validação cruzada. Isso mostra uma boa melhora em relação ao modelo de Classificação CART®. O Classificação Random Forests® modelo possui um AUROC de validação cruzada de 0,9028, então esses dois métodos fornecem 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 80% 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.
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.
Por exemplo, no gráfico de dependência parcial que traça o tipo de dor torácica, as chances de meio log variam, e depois aumentam vertiginosamente. Quando o tipo de dor torácica é 4, as chances de meio log da incidência de doenças cardíacas aumentam de aproximadamente −0,04 para 0,03. Selecione ou para produzir gráficos para outras variáveis
