回歸分析(Regression)通常用來預測數值資料,像是價格、溫度...等等。其中提升決策樹是使用多個決策樹來產生更好的預測模型,以下範例為使用提升決策樹迴歸分析預測汽車價格。
位置:Machine Learning / Initialize Model / Regression
【Dataset】新增資料集:Automobile price data (Raw) 汽車價格資料集
【Split Data】設定比例為 0.7:70% 訓練集、30% 測試集
【Train Model】訓練模型:設定要預測的目標欄位:price 價格
【Boosted Decision Tree Regression】選擇演算法:提升決策樹迴歸分析
【Score Model】計分模型:執行預測
Score Model 計分模型的結果會顯示原價格,以及預估的價格
【Evaluate Model】評估模型
Evaluate Model 評估結果為:
Mean Absolute Error(平均絕對誤差) = 1614.050916
Root Mean Squared Error(均方根誤差) = 2482.66247
Relative Absolute Error(相對絕對誤差) = 0.293482
Relative Squared Error(相對平方誤差) = 0.133312
Coefficient of Determination(決定係數) = 0.866688