预测和专业建模 > 提升树 > 启动“提升树”平台
发布日期: 09/18/2023

Image shown here启动“提升树”平台

通过选择分析 > 预测建模 > 提升树启动“提升树”平台。

图 6.6 使用 Body Fat.jmp 的“提升树”启动窗口 

Boosted Tree Launch Window Using Body Fat.jmp

有关“选择列”红色小三角菜单中选项的详细信息,请参见《使用 JMP》中的““列过滤器”菜单”

“提升树”平台启动窗口提供以下选项:

Y,响应

您想要分析的一个或多个响应变量。

X,因子

预测变量。

权重

一列,该列的数值为分析中的每一行都分配一个权重。

频数

一列,该列的数值为分析中的每一行都分配一个频数。

验证

用于定义验证集的数值列。该列应包含至多三个非重复值。

若验证列有两个水平,则较小的值定义训练集,较大的值定义验证集。

若验证列包含三个水平,将按值由小到大的顺序相应定义训练集、验证集和测试集。

若验证列有三个以上的水平,则包含最小三个值的行定义验证集。其他所有行都从分析中排除。

“提升树”平台使用验证列来训练和调优模型,或者训练、调优和评估模型。有关验证的详细信息,请参见“JMP 建模中的验证”

若在“选择列”列表中没有选择任何列的情况下点击“验证”按钮,您可以向数据表添加一个验证列。有关“生成验证列”实用工具的详细信息,请参见“生成验证列”

依据

一个或多个列,其水平定义不同的分析。对于指定列的每个水平,都使用您已经指定的其他变量分析相应行。结果显示在不同的报表中。若指定了多个“依据”变量,将为“依据”变量水平的每种可能组合生成单独的报表。

方法

支持您选择分割方法(决策树、Bootstrap 森林法、提升树、K 最近邻或朴素 Bayes)。这些备选方法(决策树除外)均在 JMP Pro 中提供。

有关这些方法的详细信息,请参见“分割模型”“Bootstrap 森林法”“K 最近邻”“朴素 Bayes”

验证部分

要用作验证集的数据部分。

信息性缺失

若选定,则将对分类预测变量进行缺失值分类;对于连续预测变量,则对其缺失值采取信息性处理。请参见“ROC 曲线”

有序型限制顺序

若选定,将对拆分的考虑限制在那些保留排序的拆分上。

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