需要比JMP帮助更好的资源来解释分区<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我正在查看一个包含250行和大约60列的数据集。 我正在尝试分区进行第一次分析，以剔除完全无用的因素。 JMP帮助解释了分区启动窗口中的所有内容，但我需要更深入的内容来为验证和其他参数选择最佳值。 有什么建议？
Re：需要比JMP帮助更好的资源来解释分区谢谢。非常有帮助......你的建议和论文。
杰夫科尔顿
工程师
企业卓越
玻璃纤维
940 Washburn Switch Rd。
谢尔比，北卡罗来纳州，美国，28150
电话：704-434-2261分机 2374
电子邮件：kolton@ppg.com
网址：www.ppg.com <>
Re：需要比JMP帮助更好的资源来解释分区谢谢。好读。
杰夫科尔顿
工程师
企业卓越
玻璃纤维
940 Washburn Switch Rd。
谢尔比，北卡罗来纳州，美国，28150
电话：704-434-2261分机 2374
电子邮件：kolton@ppg.com
网址：www.ppg.com <>
Re：需要比JMP帮助更好的资源来解释分区为了增加我尊敬的同事Lou和Byron在上面添加...如果你有JMP Pro，变量识别是你的主要目标......我建议使用JMP Pro中提供的多种基于树的方法来评估你的数据。尝试决策树路径，然后尝试Bootstrap Forest和Boosted Tree方法。最后两种方法的优点是，考虑到所有事情，决策树路径就是我喜欢称之为“贪婪”的算法，在任何一个分裂中它都能识别出最具影响力的单一变量。Bootstrap Forest方法伴随的自举和装袋通常更擅长识别更微妙的影响因素，因为偶尔由于随机选择Bootstrap森林中的列，非常有影响的因素不包括在树创建中，这给出了更微妙的因素是展示他们的东西的战斗机会。
您可能还希望在广义回归平台中使用惩罚回归方法进行变量识别。完全不同的算法......但通常用于相同的目的......变量识别。
最后，不要忘记将模型预测方程保存到数据表中，这样您就可以使用JMP Pro模型比较平台，以便以一种非常易于使用的方式评估这些模型性能的“一站式服务”。..包括JMP的预测分析器。
Re：需要比JMP帮助更好的资源来解释分区如果您只是剔除变量，则可能不需要验证列。如果您正在使用k-fold交叉验证，或者如果您正在构建模型，则应该有一个验证列，但对于因子减少而言并非完全必要。
希望你有JMPv12。转到“Cols”选项卡，Modeling Utilities，Screen Predictors。选择X和Y并运行。该工具非常适合快速减少因子。
关于分区如何工作的旧的但很好的参考： http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/17_spring_2005.pdf
Re：需要比JMP帮助更好的资源来解释分区JMP网站上有一份白皮书，以及指向您可能会觉得有用的有用插件的链接。
@ https://community.jmp.com/docs/DOC-7055
http://www.jmp.com/en_us/whitepapers/jmp/classification-breast-cancer-cells-using-jmp.html
还找到了一些有用的视频
https://community.jmp.com/docs/DOC-6806
https://community.jmp.com/docs/DOC-6805
