無料のオンライン コースで詳細をご覧ください。
産業問題解決のための統計的思考
このビデオでは、不純物例を示し、カテゴリ応答のモデルを当てはめます。結果、3 つの連続した主効果で、温度、触媒濃度、 と反応時間.
データは、トレーニング データと検証データに分割されています。 観測値の 60% がトレーニング セットにランダムに割り当てられ、観測値の 40% が検証セットに含まれています。
ロジスティック モデルをトレーニング データに適合させ、検証データでモデルのパフォーマンスを評価します。
選択することから始めましょうモデルをあてはめるから分析するメニュー。
私たちは選択します結果Y変数として。
次に、選択します温度、触媒濃度、 と反応時間モデル効果として。 デフォルトのパーソナリティは公称ロジスティックと対象カテゴリーは失敗.
最後に、選択します検証検証変数として。
モデルは、トレーニング データのみを使用して適合されます。
全体的な誤り率を確認するために、Fit Details アウトラインを開きます。
トレーニング データの誤分類率は 3.3% ですが、ホールドアウト検証データの誤分類率は 20% です。
モデルの分類を詳しく見てみましょう。
混同行列上部の赤い三角形の下にあるオプションです。
検証データには 40 個の観測値があります。 これらの 10 は失敗です。
モデルは 10 のうち 7 つ、つまり検証セットの失敗の 70% を正しく分類しました。 これは、失敗の 30% が誤って分類されたか、または見落とされたことを意味します。
より複雑なモデルを当てはめることで、誤分類率を改善できますか?
