刻画器指南 > 刻画器 > 预测刻画器的其他示例 > Bagging 改进预测的示例
发布日期: 09/18/2023

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硬度,然后点击 Y,响应

4. 选择硅石硅烷硫磺,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<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 

Columns Added to Data Table After Bagging

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 

Comparison of Predictions for ABRASION

“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 

Comparison of Predictions for HARDNESS

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).