包含连续响应的提升树的示例

在本例中，您构造一个提升树模型，以便预测在名义型和连续因子的特定组合下的体脂肪百分比。

1. 选择帮助 > 样本数据并打开 Body Fat.jmp 样本数据表。

2. 选择分析 > 预测建模 > 提升树。

3. 选择体脂肪百分比并点击 Y，响应。

4. 从年龄（年）一直选择到腕围 (cm)，然后点击 X，因子。

5. 选择验证并点击验证。

6. 点击确定。

7. 点击确定。

连续响应的总体统计量 

“总体统计量”报表提供提升树模型的 R 方和 RMSE。验证集的 R 方为 0.603。验证集的 RMSE 约为 5.48。

您关注的是获取体脂肪百分比的重要预测变量的独立于模型的指示。

8. 点击“‘体脂肪百分比’的提升树”旁边的红色小三角，然后选择刻画器。

9. 点击“预测刻画器”旁边的红色小三角，然后选择评估变量重要性 > 独立均匀输入。

注意：由于“评估变量重要性”使用随机处理，您的结果可能不会与变量重要性的汇总报表 中的结果完全匹配。

变量重要性的汇总报表 

“汇总报表”显示腹围 (cm) 是体脂肪百分比最重要的预测变量。