Métodos e fórmulas para os gráficos de dependência parcial em Ajuste de modelo e Descubrir preditores-chave com Classificação TreeNet^®

Suponha que existam preditores m em um conjunto de dados de treinamento, denotado como x₁, x₂, ..., x_m. Primeiro, classifique os valores distintos do preditor x₁ no conjunto de dados de treinamento em ordem crescente. Denote x₁₁ como o primeiro valor distinto de x₁. Em seguida, x₁₁ será a coordenada x para o ponto mais à esquerda no gráfico.

A coordenada y em x₁ = x₁₁ é igual

Termo	Descrição
N	o número total de linhas no conjunto de dados de treinamento
	os valores observados para no conjunto de dados de treinamento
j	cada linha individual das linhas J
	o valor ajustado a partir do modelo quando x1 = x11, x2 = x2j,...., xm = xmj

Substituindo x₁₁ por cada um dos valores distintos de x_1,temos as coordenadas y para o resto dos pontos no gráfico. Os cálculos para o resto dos preditores são feitos da mesma forma.

Cálculos de todas as coordenadas y para todos os valores distintos de x podem ser demorados com grandes conjuntos de dados. Para TreeNet^®, há uma maneira mais rápida de fazer os cálculos. Consulte Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. The Annals of Statistics, 29(5), página 1221.

Os cálculos para o caso de resposta multinomial são semelhantes. Aqui o valor ajustado é a partir do modelo para cada classe individual.

Suponha que existam preditores m em um conjunto de dados de treinamento, denotado como x₁, x₂, ..., x_m. Primeiro, classifique os valores distintos dos preditores x₁, x₂ no conjunto de dados de treinamento em ordem crescente. Denote x₁₁, x₂₁ como um dos pares distintos. Em seguida, cada par faz as coordenadas x e y para um ponto no gráfico de superfície.

A coordenada z em x₁ = x₁₁, x₂ = x₂₁ é igual

Termo	Descrição
N	o número total de linhas no conjunto de dados de treinamento que todos compartilham a convergência de x1 = x11, x2 = x21
	os valores observados para no conjunto de dados de treinamento
j	cada linha individual das linhas J
	o valor ajustado do modelo quando x1 = x11, x2 = x21, x3 = x3j...., xm = xmj

A conclusão dos cálculos para todas as combinações de valores distintas de x₁ e x₂ produz todas as coordenadas z para o gráfico de contorno ou de superfície. Para grandes conjuntos de dados, os cálculos para todos os pares distintos de x e y são demorados. Para modelos TreeNet^®, há uma maneira mais rápida de fazer os cálculos. Consulte Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. The Annals of Statistics, 29(5), página 1221.