Bagging 改进预测的示例
本例在整个“预测刻画器”内都使用 Bagging。目标是改进神经网络模型的预测，该模型同时将四个响应变量建模为三个因子的函数。提高预测能力是使用 Bagging 的多种情景之一。Bagging 还对不稳定的模型特别有用。
拟合神经网络模型
1. 选择帮助 > 样本数据文件夹，然后打开 Tiretread.jmp。
2. 选择分析 > 预测建模 > 神经。
3. 选择磨损、弹性系数、伸长和硬度，然后点击 Y，响应。
4. 选择硅石、硅烷和硫磺，然后点击 X，因子。
5. 点击确定。
6. （可选）在“随机种子”旁边输入 2121。
注意：由于在神经网络模型中是随机选择验证集，结果可能有所不同。输入上面的种子，这样您可以重现本例中所示的结果。
7. 点击执行。
8. 点击“模型 NTanH(3)”旁边的红色小三角并选择保存公式。
注意：该选项将神经网络模型的所有响应变量的预测值保存到数据表。稍后将这些值与从 Bagging 获得的预测进行比较。
执行 Bagging
构造了初始模型后，您可以使用该模型执行 Bagging。通过“预测刻画器”访问 Bagging 功能。
1. 点击“模型 NTanH(3)”旁边的红色小三角并选择刻画器。
“预测刻画器”显示在报表底部。
2. 点击“预测刻画器”红色小三角并选择保存 Bagged 预测。
3. 在“Bootstrap 样本数”旁边输入 100。
4. （可选）在“随机种子”旁边输入 2121。
注意：由于放回抽样是随机的，所以结果会有所不同。要重现本例的精确结果，请设置“随机种子”。
5. 点击确定。
返回数据表。对于每个响应变量，有三个分别表示为预测公式: <列名> Bagged 均值、标准误差: <列名> Bagged 均值和<列名> Bagged 标准差的新列。预测公式-<列名> Bagged 均值列是最终预测。
图 3.32 Bagging 后添加到数据表的列
比较预测
为了查看 Bagging 如何提高预测功效，将 Bagged 模型的预测与原始模型预测进行比较。使用“模型比较”平台一次查看一个响应变量。
1. 选择分析 > 预测建模 > 模型比较。
2. 选择预测“磨损”，然后点击 Y，预测变量。
3. 选择预测公式-磨损 Bagged 均值，然后点击 Y，预测变量。
4. 点击确定。
将显示包含列列表的窗口。
5. 选择磨损，然后点击确定。
6. 点击“模型比较”红色小三角并选择标绘“预测值-实际值”图。
图 3.33 “磨损”预测的比较
“拟合测度”报表和“预测值-实际值”图显示在图 3.33 中。从 Bagging 得到的预测用蓝色显示。从原始神经网络模型得到的预测用红色显示。通常，Bagging 预测比原始模型预测更接近实际线。因为 Bagging 预测更接近实际线，因此 Bagged 预测的 R 方值 0.8379 高于原始模型预测的 R 方值。您得出结论：Bagging 改进了磨损的预测。
该示例比较了磨损的预测。要比较其他响应变量的预测，请按照第 2 步到第 6 步执行，将磨损替换为所需的响应变量。作为另一示例，图 3.34 显示硬度的“拟合测度”报表。该报表显示的结果与磨损的“拟合测度”报表结果相似。Bagged 预测的 R 方值略高于原始模型预测的 R 方值，这说明拟合效果更好，预测得到改进。
图 3.34 “硬度”预测的比较
