选择要针对Random Forests^® 分类显示的图形

选择要为分析显示的图形。

误分类率与树数图

误分类率与树数图显示分类误差与树数量之间的关系。如果提供单独的检验集，树数图将包括针对 OOB 数据和检验集的两条曲线。

变量重要性图

变量重要性图显示预测变量的相对重要性。您可以选择是显示重要变量的全部还是一部分。当变量对分析中任何树中的节点进行分裂时，变量的重要性将增加。

• 显示所有重要变量：默认情况下，此图表显示所有重要变量。
• 显示重要变量的百分比：指定要显示的重要变量的百分比。输入介于 0 到 100 之间的值。
• 显示所有预测变量：显示所有预测变量，无论它们是否为重要变量。

排名方法

选择 Minitab 对变量重要性图上变量的相对重要性得分的计算方式。对于排列，Minitab 通过使用图上变量的排列值再次验证模型，以评估模型的性能变差多少。对于基尼，Minitab 对变量为所有树实现的改进进行求和。排列是用于具有 5000 条或更少记录的数据集的默认方法。在分析用时不太长且重要预测变量的确定是重要目标时，考虑是否要将排列用于较大的数据集。

接受者操作特性 (ROC) 曲线

接受者操作特性 (ROC) 曲线显示模型区分类别的能力。ROC 曲线绘制的是真阳率 (TPR) 与假阳率 (FPR) 图。

收益图

累积收益图说明模型在总体一部分中的有效性。收益图标绘真阳率（以百分比表示）与总体百分比。

提升图

提升图说明预测模型的有效性。该图表绘制的是累积提升与总体百分比的关系，并显示有无预测模型所获得的结果之间的差异。您可以为提升图指定累积或非累积。