模型比较的更多示例

本例使用汽车数据来构建一个预测购买汽车尺寸的模型， 同时比较 Logistic 回归模型和决策树模型。

首先选择帮助 > 样本数据库并打开 Car Physical Data.jmp。

创建 Logistic 回归模型

1. 选择分析 > 拟合模型。

2. 选择车型并点击 Y。

3. 选择以下列并点击添加：国家、车重、转弯半径、排气量和马力。

4. 点击运行。

“名义型 Logistic 拟合”报表随即显示。

5. 要将预测公式保存至列，请点击“名义型 Logistic”红色小三角并选择保存概率公式。

创建决策树模型并将预测公式保存至列

1. 选择分析 > 预测建模 > 分割。

2. 选择车型并点击 Y，响应。

3. 选择国家、车重、转弯半径、排气量和马力列，并点击 X，因子。

4. 确保在“方法”列表中选定了决策树。

5. 点击确定。

“分割”报表随即显示。

6. 点击 10 次拆分。

7. 要将预测公式保存至列，请点击“分割”红色小三角并选择保存列 > 保存预测公式。

比较模型

1. 选择分析 > 预测建模 > 模型比较。

2. 选择以 Prob 开头的所有列，并点击 Y，预测变量。

3. 点击确定。

最初的“模型比较”报表 

该报表显示“分割”模型的“熵 R 方”和“广义 R 方”的值略高，而“误分类率”的值略低。

4. 点击“模型比较”红色小三角并选择 ROC 曲线。

显示了针对每个车型的 ROC 曲线，车型为“Medium”的 ROC 曲线 显示了其中一条曲线。

车型为“Medium”的 ROC 曲线 

通过查看所有 ROC 曲线，您会发现这两个模型的预测能力差不多。

5. 点击“模型比较”红色小三角并选择 AUC 比较。

显示了针对每个车型的“AUC 比较”报表，车型为“Medium”的 AUC 比较 显示了其中一个报表。

车型为“Medium”的 AUC 比较 

该报表显示了两个模型的 AUC 值（ROC 曲线下面积）之间的差值的假设检验结果。通过检查这些结果，您会发现车型的任何水平的 AUC 值之间都不存在统计差异。

您可以得出结论认为这两个模型的预测能力没有很大的差异，原因如下：

• R 方值和 ROC 曲线相似。

• AUC 值之间不存在统计上的显著性差异。