注意
此命令适用于 预测分析模块。单击此处了解更多关于如何激活模块的信息。
注意
Minitab 可显示训练和检验数据集的结果。检验结果指示模型是否可以充分预测新观测值的响应值，或是否可以正确汇总响应变量和预测变量之间的关系。使用训练结果可评估模型是否过度拟合。
预测变量总数
可用于 TreeNet® 模型的预测变量总数。总数是您指定的连续预测变量数和类别预测变量数之和。
重要预测变量
TreeNet® 模型中重要预测变量的数量。重要预测变量的重要性分数大于 0.0。可以使用相对变量重要性图来显示相对变量重要性的顺序。例如，假设模型中的 20 个预测变量中有 10 个比较重要，则相对变量重要性图会按重要性顺序显示变量。
生成的树数
默认情况下，Minitab 会生成 300 个小 CART® 树来生成 TreeNet® 模型。尽管此值非常适合用于探索数据，但请考虑是否要生成更多的树来生成最终模型。要更改生成的树数，请转到选项子对话框。
最优树数
最优树数量对应于最高 R2 值或最低 MAD 值。
当最优树数接近模型生成的最大树数时，请考虑使用更多树进行分析。因此，如果生成 300 个树而最优数量返回为 298，则使用更多树重新构建模型。如果最优数量继续接近最大数量，则继续增加树数。
R 平方
R2 是由模型解释的响应的变异百分比。异常值对 R2 的影响大于对 MAD 和 MAPE 的影响。
使用验证方法时，该表包括训练数据集的 R2 统计量和检验数据集的 R2 统计量。如果验证方法为 k 折叠交叉验证，则在模型构建排除每个折叠时，检验数据集即为该折叠。检验 R2 统计量通常能够更好地衡量模型对新数据的作用效果。
解释
使用 R2 可确定模型与数据的拟合程度。R2 值越高，模型与数据的拟合度越好。R2 始终介于 0% 和 100% 之间。
显著小于训练 R2 的检验 R2 表示：模型可能无法预测新案例的响应值并且模型与当前数据集拟合。
均方根误差 (RMSE)
均方根误差 (RMSE) 衡量树的准确度。异常值对 RMSE 的影响大于对 MAD 和 MAPE 的影响。
使用验证方法时，该表包括训练数据集的 RMSE 统计量和检验数据集的 RMSE 统计量。如果验证方法为 k 折叠交叉验证，则在树构建排除每个折叠时，检验数据集即为该折叠。检验 RMSE 统计量通常能够更好地衡量模型对新数据的作用效果。
解释
用于比较不同树的拟合。值越小，拟合越好。检验 RMSE 大大大于训练 RMSE 表明树可能无法预测新病例的响应值，并且树拟合当前数据集。
均方误 (MSE)
均方误 (MSE) 衡量树的准确度。异常值对 MSE 的影响大于对 MAD 和 MAPE 的影响。
使用验证方法时，该表包括训练数据集的 MSE 统计量和检验数据集的 MSE 统计量。如果验证方法为 k 折叠交叉验证，则在树构建排除每个折叠时，检验数据集即为该折叠。检验 MSE 统计量通常能够更好地衡量模型对新数据的作用效果。
解释
用于比较不同树的拟合。值越小，拟合越好。测试MSE大大超过训练MSE表明树可能无法预测新病例的响应值，并且树拟合当前数据集。
平均绝对偏差 (MAD)
平均绝对偏差 (MAD) 以与数据相同的单位表示准确度，这有助于使误差量概念化。异常值对 MAD 的影响小于对 R2、RMSE 和 MSE 的影响。
使用验证方法时，该表包括训练数据集的 MAD 统计量和检验数据集的 MAD 统计量。如果验证方法为 k 折叠交叉验证，则在树构建排除每个折叠时，检验数据集即为该折叠。检验 MAD 统计量通常能够更好地衡量模型对新数据的作用效果。
解释
用于比较不同树的拟合。值越小，拟合越好。大大大于训练 MAD 的测试 MAD 表明树可能无法预测新病例的响应值，并且树拟合当前数据集。
平均绝对百分比误差 (MAPE)
平均绝对百分比误差 (MAPE) 以误差的百分比来表示准确度。由于 MAPE 为百分比，因此与其他准确度度量统计量相比，它更易于理解。例如，如果 MAPE 平均为 0.05，则所有案例的拟合误差与实际值之间的平均比值为 5%。异常值对 MAPE 的影响小于对 R2、RMSE 和 MSE 的影响。
但是，有时您可能会看到非常大的 MAPE 值，即使树与数据的拟合情况良好也是如此。检查拟合与实际响应值图，查看是否有数据值接近 0。由于 MAPE 将绝对误差除以实际数据，因此接近 0 的值会显著加大 MAPE。
使用验证方法时，该表包括训练数据集的 MAPE 统计量和检验数据集的 MAPE 统计量。如果验证方法为 k 折叠交叉验证，则在树构建排除每个折叠时，检验数据集即为该折叠。检验 MAPE 统计量通常能够更好地衡量模型对新数据的作用效果。
解释
用于比较不同树的拟合。值越小，拟合越好。远大于训练 MAPE 的测试 MAPE 表明树可能无法预测新病例的响应值，并且树拟合当前数据集。
