包含分类响应的 K 最近邻的示例

您有关于已申请房屋净值贷款的 5,960 个客户的历史财务数据。每个客户都被归入“良性风险”或“不良风险”两类。很多预测变量有缺失值。您想要构造模型，用于对将来客户的信用风险分类。

1. 选择帮助 > 样本数据库，然后打开 Equity.jmp。

2. 选择分析 > 预测建模 > K 最近邻。

3. 选择不良并点击 Y，响应。

4. 从贷款一直选到交易记录数，然后点击 X，因子。

由于其中一个潜在预测变量负债收入比有很多缺失值，所以您没有将其包含在模型内。连续预测变量的缺失值用该预测变量的平均值替代。该过程有时对于随机缺失的值很有效。尽管负债收入比的高缺失率指示缺失可能是信息性的，但是我们在本例中不调查它。

5. 选择验证并点击验证。

6. 点击确定。

“K 最近邻”报表 

对于 K 的每个值，JMP 仅使用训练集观测构造模型。这些模型均用于对验证集观测分类。使用验证集结果来选择最佳模型。在本例中，基于单个最近邻 (K = 1) 的模型的误分类率最小。测试集确认这一单个最近邻模型对于独立数据的效果最佳。

7. 点击不良红色小三角并选择发布预测公式。

8. 在近邻数，K 旁边，保留默认值 1。

9. 点击确定。

预测方程保存在“公式存储库”中。您可以使用“公式存储库”中的“模型比较”选项比较发布到“公式存储库”中的备择模型和 K = 1 最近邻模型的效果。请参见公式存储库。