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

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

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。

通过排除不重要的预测变量选择模型

测试
模型最优树数R 平方 (%)预测变量数已排除的预测变量
130089.3221
230089.3419塑料流速, 更改位置
330089.3918干燥温度
430089.4617熔融温度区2
530089.5116塑料温度
630089.5015公式
730089.5914保持压力
830089.5713螺丝垫
930089.6912熔融温度区4
1030089.7011后压
1130089.8610熔融温度区1
1230089.909干燥时间
1330089.928测量温度
1430090.067熔融温度区5
1530090.166熔融温度区3
16*30090.235螺丝旋转速度
1730089.964注射温度
1829779.373冷却温度
1924466.642注射压力
2016446.191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。
* 选定模型具有最大 R 平方。选定模型的输出如下。

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