从发现关键预测变量TreeNet^® 回归

运行预测分析模块 > TreeNet® 回归 > 发现关键预测变量。单击预测变量消除表后面的选择备择模型按钮。

注意

概述

当您使用发现关键预测变量删除最不重要的预测变量时，Minitab Statistical Software 会为具有分析准确度标准最佳值的模型生成结果，例如最大 R² 值。Minitab 允许您从可以识别最优模型的序列中探索其他模型。通常，如果另一个模型的标准值接近最佳，但预测变量较少，则选择备择模型。预测变量较少的模型更容易解释，具有更高的预测准确度，并且允许您处理较少数量的预测变量。

例如，以下模型选择表有 20 个步骤。具有最大 R² 值的模型有 5 个预测变量，并且发生在第 16 步。第 17 步的模型具有小于 0.1 的 R² 值。第 17 步的模型有 4 个预测变量。第 17 步模型的完整结果也很有趣。

TreeNet® 回归 - 发现关键预测变量：强度 vs 注射压力, 注射温度, ...

预测变量排除图

通过排除不重要的预测变量选择模型测试最优数字树模型的 R 平方数 (%) 预测变量已排除的预测变量 1 300 89.32 21 无 2 300 89.34 19 塑料流速，改变位置 3 300 89.39 18 干燥温度 4 300 89.46 17 熔化温度区 2 5 300 89.51 16 塑料温度 6 300 89.50 15 公式 7 300 89.59 14 保持压力 8 300 89.57 13 螺丝垫圈 9 300 89.69 12 熔化温度区 4 10 300 89.70 11 背压 11 300 89.86 10 熔化温度区 1 12 300 89.90 9干燥时间 13 300 89.92 8 测量温度 14 300 90.06 7 熔化温度区 5 15 300 90.16 6 熔化温度区 3 16* 300 90.23 5 螺杆转速 17 300 89.96 4 注塑温度 18 297 79.37 3 冷却温度 19 244 66.64 2 注塑压力 20 164 46.19 1 机器该算法在每个步骤中删除了一个预测变量以及重要度为 0 的所有预测变量。*选定的模型具有最大 R 平方。选定的模型的输出如下。

执行分析

在输出中单击选择备择模型。将打开一个对话框，其中显示标准与已排除的预测变量数之间的关系图，以及汇总各个步骤的表格。

比较标准

要选择备择模型，请单击图形上的一个点或表格中的一行。按显示结果，以创建该模型的结果。

显示结果后，您可以单击输出中的一个按钮来调整模型的超参数，或根据模型进行预测。有关更多信息，请转到选择要为使用 TreeNet® 回归的拟合模型和发现关键预测变量评估的超参数值或为使用 TreeNet® 回归的拟合模型和发现关键预测变量预测新结果。

提示

要比较两个不同分析或报表的输出，请右击导航器中的第二个项，然后选择在分割视图中打开。