Métodos e fórmulas para o sumário do modelo em Ajuste de modelo e Descubrir preditores-chave com Regressão TreeNet®

Observação

Este comando está disponível com o Módulo de análise preditiva. Clique aqui saber mais sobre como ativar o módulo.

Selecione o método ou fórmula de sua preferência.

Preditores importantes

O número de preditores com importância relativa positiva.
Um modelo Regressão TreeNet® vem de uma sequência de pequenas árvores de regressão que utilizam resíduos generalizados como variável resposta. O cálculo da pontuação de melhoria do modelo para um preditor de uma única árvore tem dois passos:
  1. Encontre a redução de erros quadrados médios quando o preditor dividir um nó.
  2. Adicione todas as reduções de todos os nós onde o preditor é o divisor de nó.

Em seguida, a pontuação de importância para o preditor equivale à soma das pontuações de melhoria do modelo em todas as árvores.

R-quadrado

R2 também é conhecido como o coeficiente de determinação.

Raiz do quadrado médio do Erro (RMSE)

Erro quadrado médio (MSE)

Desvio absoluto médio (DAM)

Erro percentual absoluto médio (MAPE)

Notação

TermoDescrição
yi valor de resposta observado
resposta média
resposta ajustada
Nnúmero de linhas