Selecione valores de hiperparâmetro para avaliar Ajuste de modelo e Descubrir preditores-chave com Classificação TreeNet^®

O desempenho dos modelos TreeNet^® é geralmente sensível aos valores da taxa de aprendizagem, à fração de subamostra e à complexidade das árvores individuais que formam o modelo. Em resultados de um modelo, clique Sintonizar hiperparâmetros para identificar um modelo melhor para avaliar múltiplos valores desses hiperparâmetros para saber qual combinação produz os melhores valores de um critério de precisão, como a probabilidade média de log-verossimilhança. Melhores valores desses hiperparâmetros têm o potencial de melhorar significativamente a precisão da predição, de modo que a exploração de diferentes valores é um passo comum na análise.

Você também pode ajustar o número de árvores que o modelo inclui. Em geral, 300 árvores são suficientes para distinguir valores dos hiperparâmetros. Geralmente, você aumenta o número de árvores quando o número ideal de árvores para um ou mais modelos de interesse está próximo do número máximo de árvores. Se o número de árvores estiver mais próximo do número máximo, um aumento no número de árvores é mais provável para melhorar o desempenho do modelo.

Especifique um ou mais valores para cada hiperparâmetro a avaliar. A análise avalia os hiperparâmetros para encontrar a combinação com o melhor valor do critério de precisão. Se você não inserir valores para um hiperparâmetro, a avaliação usará o valor para esse hiperparâmetro do modelo nos resultados. Se a resposta for binária e o modelo original especificar a proporção de eventos e nenhum evento para amostrar, a avaliação sempre utiliza as proporções do modelo original.

Insira um valor entre 1 e 5000, para especificar o número máximo de árvores a serem construídas. O valor padrão de 300 geralmente fornece resultados úteis para a avaliação dos valores de hiperparâmetro.

Se um ou mais modelos de interesse tiverem um número de árvores próximas ao número de árvores que você especifica, então considere se deve aumentar o número de árvores. Se o número de árvores estiver mais próximo do número máximo, um aumento no número de árvores é mais provável para melhorar o desempenho do modelo.

Depois de especificar os valores a serem examinados, clique em Exibir resultados. Em um novo conjunto de resultados, o Minitab produz uma tabela que compara o critério de precisão para as combinações de hiperparâmetros e os resultados para o modelo com o melhor valor do critério de precisão.

O Minitab recria as mesmas tabelas e gráficos para o novo modelo em relação ao modelo original. As tabelas e gráficos para o novo modelo estão em um novo conjunto de resultados. O armazenamento é o mesmo da análise original. As colunas de armazenamento estão na mesma worksheet. Por exemplo, se a análise original armazenava os valores instalados em uma coluna intitulada “Fit”, a nova análise denomina uma coluna vazia “Fit_1” e armazena os valores ajustados.