Considerações de dados para Ajuste de modelo e Descubrir preditores-chave com Regressão TreeNet^®

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes quando coletar dados, realizar a análise e interpretar seus resultados.

A variável resposta deve ser contínua

A variável contínua pode ser medida e ordenada, e tem um número infinito de valores entre dois valores quaisquer. Por exemplo, os diâmetros de uma amostra de pneus representam uma variável contínua.

Os dados da variável resposta devem ser valores numéricos.

Se sua variável resposta for categórica, use Ajuste de modelo ou Descubrir preditores-chave para Classificação TreeNet^®.

As variáveis preditoras podem ser contínuas ou categóricas

Você pode usar uma combinação de preditores contínuos ou categóricos; no entanto, os comprimentos da coluna para cada preditor devem ser iguais aos da coluna de resposta. Não são permitidos valores faltantes.

• Todos os preditores contínuos devem ser numéricos.
• Os preditores categóricos podem se valores de texto ou numéricos.

É recomendável usar um conjunto de testes quando o número de casos for maior que 2000

Por padrão, o Minitab usa validação cruzada quando o número de casos é menor ou igual a 2000. Quando o número de casos é maior que 2000, o Minitab usa um conjunto de testes. Normalmente, a validação cruzada é um método de validação melhor, mas requer mais tempo para o cálculo dos resultados. A validação com um conjunto de teste é útil quando o método de validação cruzada é muito demorado.

Para obter mais informações sobre as configurações para técnicas de validação em Ajuste de modelo e Descubrir preditores-chave, acesse Especifique o método de validação para Ajuste de modelo e Descubrir preditores-chave com Regressão TreeNet®.