使用 TreeNet^® 回归 的 拟合模型 和 发现关键预测变量 的残差的箱线图

解释

理想情况下，残差全部接近于 0（相对于响应变量的尺度而言）。使用验证方法时，Minitab 会为训练和检验数据创建单独的图。您可以比较这些图，检查模型在训练数据和新数据上的相对性能。也可以查找不同的模式，这些模式可能指示训练和检验数据之间可供调查的差异。

这些箱线图显示，检验数据集比训练数据集的四分位间距大得多。这种差异表明模型在新数据上的性能不如模型在训练数据上的性能。此外，由单值符号表示的大残差还可以指示模型并非能与所有数据良好拟合。