和 发现关键预测变量 的 拟合模型 残差箱图 TreeNet^® 回归

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）。当你使用验证技术时，Minitab会为训练数据和验证结果分别创建图表。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。你还可以寻找不同的模式，以观察训练数据与验证结果之间的差异。

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。