Pular para o conteúdo principal

Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.

Macro by MarkMacro by Mark
  • Início
Carregando…
Carregando…
← Modelos
MacroConceitosPolíticaModelos

Modelo Floresta aleatória

Conjunto de árvores de decisão ensacadas para previsão macro não linear e diagnóstico de importância de variáveis.

Visão geralGráficoMatemáticaReferências

Área do gráfico

Painel de previsão de Floresta aleatória

Área do gráfico

Previsão com muitos preditores quando interações e limiares não lineares importam mais do que uma tabela de coeficientes. O gráfico transforma essa pergunta em um cenário ajustável, com controles suficientes para ver direção, persistência e limites sem fingir estimação em tempo real.

Metadados dos eixos
xHorizonte da previsãotempo discreto · 1 a 24 períodos à frenteyValor previsto ou erroíndice · escala normalizada pelo cenário
Erro out-of-bag conforme árvores são
adicionadas static chart preview showing Erro out-of-bag, Erro com a floresta completa
Importância por permutação, por
preditor static chart preview showing Series 1
xHorizonte da previsãotempo discreto · 1 a 24 períodos à frenteyValor previsto ou erroíndice · escala normalizada pelo cenário

Resultados atuais

EQM fora da amostra de bootstrap no B escolhido

Explicar: EQM fora da amostra de bootstrap no B escolhido
OOB(B)\text{OOB}(B)OOB(B)

Compare este valor entre cenários para ver o efeito dos controles.

2.63

unidades ao quadrado

Importância do principal preditor

Explicar: Importância do principal preditor
max⁡jVIMj\max_j \text{VIM}_jmaxj​VIMj​

Compare este valor entre cenários para ver o efeito dos controles.

2.35

aumento do EQM

Importância dos preditores de ruído

Explicar: Importância dos preditores de ruído
mean(VIMj:j∈noise)\text{mean}(\text{VIM}_j : j \in \text{noise})mean(VIMj​:j∈noise)

Compare este valor entre cenários para ver o efeito dos controles.

0.0179

aumento do EQM

Razão entre o EQM fora do bootstrap e o modelo linear

Explicar: Razão entre o EQM fora do bootstrap e o modelo linear
OOB(B)  /  MSEOLS\text{OOB}(B) \;/\; \text{MSE}_{\text{OLS}}OOB(B)/MSEOLS​

Compare este valor entre cenários para ver o efeito dos controles.

0.8813

razão

Parâmetros do modelo

200
Explicar: Número de árvores

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

3
Explicar: Variáveis por divisão (mtry)

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

5
Explicar: Tamanho mínimo do nó

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

1
Explicar: Nível de ruído

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

200
Explicar: Tamanho da amostra

Controle do modelo: mova-o e veja como o cenário muda.

Compare o gráfico e as leituras antes e depois de mover o controle.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo teórico

IS-LM Model

modelo teórico bem conectado a dois passos daqui

Novo ângulo: modelo teórico →
Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC