“提升”平台概述

使用“提升”平台对某项市场活动或治疗对个体的增量影响建模。提升模型帮助我们识别最可能响应某项市场活动的个体群组。特定群体的识别有助于制定高效、有针对性的决策，进而合理优化资源分配，对个体产生一定的影响。请参见 Radcliffe and Surry (2011)。

“提升”平台拟合分割模型。尽管传统分割模型选择拆分来优化分类，但提升模型选择拆分来最大化处理间的差异。

提升分割模型解释了个体按处理因子分组的事实。为了确定拆分，模型拟合每个因子的所有可能的二元拆分。拟合的模型类型取决于响应的类型。若响应变量是连续型，就构建拆分、处理以及两者交互作用的线性函数。若响应变量是分类型，就构建拆分、处理以及两者交互作用的 Logistic 函数。在以上两种情况中，交互项用于衡量两个拆分中个体组在提升中的差异。将选中最显著的拆分，之后该过程重复进行。

“提升”平台根据每个二元拆分模型中交互作用项的显著性来选择最显著的拆分。不过，仅基于 p 值的预测变量选择会导致偏向于具有许多水平的预测变量的偏倚，从而生成针对单个预测变量的许多模型。为此，JMP 调整了 p 值以考虑水平数或考虑的模型数。基于 Monte Carlo 模拟使用这种校正。请参见 Sall (2002)。拆分由最小调整后的 p 值确定，用于检验所有预测变量中所有可能的二元拆分在模型之间的交互作用效应的显著性。报表中给出了每个调整 p 值的 logworth 值，即 -log10(调整 p 值)。