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 Ajustar hiperparâmetros 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.