Minitab 显示 R2 值与树中终端节点数的图表，以便您选择一个树进行进一步的评估。如果使用检验数据集或 k 折叠交叉验证来验证树的性能，则 R2 值用于验证数据。
R 平方与终端节点数图显示每个树的 R2 值。默认情况下，初始回归树是 R2 值在最大 R2 值 1 个标准误内的最小树。当分析使用交叉验证或检验数据集时，R2 值来自于验证样本。验证样本的值通常趋于平稳，并最终随着树变大而开始下降。
单击选择备择树可打开包含模型汇总统计量表的交互图。可使用该图调查性能相似的备择树。
通常，会因以下两个原因之一而选择备择树：
- Minitab 选择的树属于标准改进的模式。具有更多个节点的一个或多个树属于同一模式。通常，您希望从树进行预测，并尽可能地提高预测准确度。
- Minitab 选择的树属于标准相对平直的模式。与最优树相比，模型汇总统计量相似的一个或多个树的节点要少得多。通常，树的终端节点越少，越能清晰地显示每个预测变量如何影响响应值。较小的树也更易于识别一些目标组，以便进一步研究。如果较小树的预测准确度差异可以忽略不计，则也可以使用较小的树来评估响应变量与预测变量之间的关系
解释
关键结果：具有 21 个终端节点的树的 R 平方与终端节点数图
具有 21 个终端节点的回归树的 R2 值约为 0.78。此树的标签为“最优”，因为树的创建标准是 R2 值在最大 R2 值 1 个标准误内的最小树。由于此图显示具有约 20 个节点的树和具有约 70 个节点的树之间的 R2 值相对稳定，因此研究人员希望查看与结果中的树类似、但更小的一些树的性能。比较下一个图形，查看具有 17 个节点的树的结果。
关键结果：具有 17 个终端节点的树的 R 平方与终端节点数图
具有 17 个终端节点的回归树的 R2 值为 0.7661。使用选择备择树为不同的树创建结果时，来自初始结果的树会保留“最优”标签。
