アップリフトレポートのオプション
「アップリフト」レポートの赤い三角ボタンのオプションについては、ここで紹介するオプションを除き、すべて「パーティション」プラットフォームのマニュアルで説明しています。これらのオプションの詳細については、『予測モデルおよび発展的なモデル』のパーティションを参照してください。
分岐の最小サイズ
分岐を行う最小の標本サイズを、度数または標本全体に占める割合として指定するウィンドウが開きます。度数（標本サイズ）として指定する場合は、1以上の値を入力します。標本サイズ全体に対する割合として指定する場合は、1未満の値を入力します。アップリフトでは、Max（25, Floor（n/2000））がデフォルト値として設定されます。ここで、nはデータ全体の標本サイズです。Floor(x)はx以下の一番大きな整数、Max(a, b)はaとbのうちの大きい方の値です。
列の寄与
この表とプロットは、作成されたツリーに対する各列の寄与を表わしています。列の寄与は、分岐のF値の合計として算出されます。F値は、回帰モデルにおける、処置と分岐の交互作用項に対する検定統計量です。
アップリフトグラフ
学習データにおいて、各ノードのアップリフト値を求めます。アップリフト値は、応答変数がカテゴリカルな場合は、商品を購入する確率の処置間における差です。応答変数が連続尺度の場合は、処置間における平均差です。その予測値が、最終的なツリーに基づいて、各ノードに対して算出されます。ノードごとのアップリフト値は、降順に並べて表示されます。アップリフトグラフでは、縦軸はアップリフト値です。横軸は、データの累積割合です。
図は、「Hair Care Product.jmp」サンプルデータで、3回分岐した後のアップリフトグラフの例です。被験者のうち、2つのグループ（男性と、年齢 ≥ 42のブロンドの女性）で、広告の効果がマイナスとなっています。
アップリフトグラフにある横線は、検証データにおけるアップリフト値です。学習データから推定されたツリーが、検証データに対して評価され、アップリフト値の推定値が算出されます。
アップリフトグラフ
列の保存
差の保存
各ノードに対して計算された、処置の水準間における平均差の推定値を保存します。この値が、アップリフト値の推定値です。
差の計算式を保存
差（アップリフト）の計算式を保存します。
差の計算式を発行
差の計算式を作成し、「計算式デポ」レポートに計算式列スクリプトとして保存します。「計算式デポ」レポートが開いていない場合は、このオプションを選択するとそのレポートが開きます。『予測モデルおよび発展的なモデル』の計算式デポを参照してください。