連続尺度の応答変数に対するブースティングツリーの例

この例では、ブースティングツリーを作成して、体脂肪率を予測します。説明変数には、名義尺度と連続尺度があります。

1. ［ヘルプ］>［サンプルデータライブラリ］を選択し、「Body Fat.jmp」を開きます。

2. ［分析］>［予測モデル］>［ブースティングツリー］を選択します。

3. 「体脂肪率」を選択し、［Y, 目的変数］をクリックします。

4. 「年齢」から「手首囲(cm)」までを選択し、［X, 説明変数］をクリックします。

5. 「検証」を選択し、［検証］をクリックします。

6. ［OK］をクリックします。

7. ［OK］をクリックします。

図6.4 連続尺度の目的変数の全体の統計量 

「全体の統計量」レポートには、ブースティングツリーモデルのR2乗とRASEが表示されます。検証セットの「R2乗」は0.611です。検証セットの「RASE」は約5.43です。

「体脂肪率」を予測するうえで重要な説明変数がどれを探してみましょう。

8. 「体脂肪率のブースティングツリー」の赤い三角ボタンをクリックし、［プロファイル］を選択します。

9. 「予測プロファイル」の赤い三角ボタンをクリックし、［変数重要度の評価］>［独立な一様分布の入力］を選択します。

メモ: ［変数重要度の評価］オプションは計算で乱数を用いるために、結果は図6.5とはまったく同じにはならないことがあります。

図6.5 変数重要度の要約レポート 

「要約レポート」を見ると、「体脂肪率」の最も重要な説明変数は「胴囲(cm)」であることがわかります。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).