Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Analyse de Sensibilité

L'analyse de sensibilité en data mining et dans la construction/ajustement de modèles statistiques fait généralement référence à l'évaluation de l'importance des prédicteurs dans les modèles (ajustés) respectifs. En bref, étant donné un modèle ajusté avec certains paramètres du modèle pour chaque prédicteur, quel serait l'effet obtenu si nous faisions varier les paramètres du modèle (pour chaque variable) sur l'ajustement global du modèle.

Dans STATISTICA Data Miner, l'analyse de sensibilité est accessible par l'intermédiaire de plusieurs options ; les statistiques et mesures particulières qui sont reportées dépendent de la méthode statistique ou de data mining pour laquelle vous demandez l'analyse de sensibilité ; par exemple :

  1. Dans le module STATISTICA Réseaux de Neurones Automatisés, le programme va calculer les résidus des Sommes des Carrés ou les taux de mauvaise classification du modèle lorsque le prédicteur respectif est éliminé du réseau de neurones ; les ratios (du modèle complet par rapport au modèle réduit) sont également reportés, et vous pouvez trier les prédicteurs (dans le tableau des résultats) selon leur importance ou leur adéquation pour un modèle neuronal particulier. Voir aussi la rubrique SANN - Exemple de Régression.

  2. Dans les modèles d'arbres de décision (Arbres de Classification et de Régression et Boosting - Arbres de Classification et de Régression), la sensibilité et l'importance des prédicteurs se calcule à partir de l'importance moyenne de chaque prédicteur à chaque division (noeud) du modèle d'arbre final (pour plus d'informations, voir aussi la rubrique Importance des Prédicteurs dans STATISTICA GC&RT, Arbres Interactifs et Boosting d'Arbres de Décision).

  3. Dans les modèles linéaires généraux et généralisés (GLM and GLZ), diverses statistiques concernant les prédicteurs sont calculées afin que les analystes soient en mesure d'apprécier la contribution des prédicteurs respectifs à l'ajustement global, et par conséquence, l'importance de ces prédicteurs.