識別分區樹回歸的“重要變數”我正在使用 JMP 13 開發分區樹回歸分析，我有 83 個變量，我正在識別與 VIF 不共線性的變量，目的是能夠識別最具「代表性」的變量來進行分析分區樹回歸（我使用的例子是銀行收入
透過變換進行多元線性迴歸/使用 JMP Pro 建立更好的模型，第 4 章，SAS Press (2015)。 格雷森、加德納和史蒂芬斯。） 我的疑問，這可能是合適的方式嗎？或者 JMP 中有一個更具體的協定來識別這些「重要」變數以使用回歸分區樹。
回覆：識別分區樹回歸的“重要變數”我非常感謝您花時間幫助我提出建議和建議
同樣，祝一切順利！
回覆：識別分區樹回歸的“重要變數”當您無法存取 JMP Pro 時，模型生成會受到一些限制。 另一方面，您仍然可以進行 ARIMA 建模（如果適用）以及簡化的神經網路和分區樹。 另一個可能有幫助的平台是預測因子篩選，位於「分析」->「篩選」下。 這也有助於確定眾多因素中哪些因素可能很重要。
您可以嘗試的另一件事是在“擬合模型”平台中，在“個性”下選擇“逐步”。 這也將使用不同的標準來選擇哪些因素（和混合術語）是需要的，哪些是不需要的。 在這裡，很好地了解要使用哪種模型會很有幫助。 如果您有大量數據，您可以選擇所有因子，然後在「巨集」下拉按鈕下選擇響應面。 您只想確保您的自由度不會降低太多。 如果您知道存在一些控制響應的物理過程，那麼這可以作為如何產生模型方程式的開始。 您可能想要研究的最後一件事是在建模之前轉換數據，特別是如果數據不是正態分佈的。 轉換資料可以幫助建模過程實現穩健的擬合，從而具有比其他方式更好的預測能力。
就驗證列而言，我知道標準 JMP 沒有附帶 GUI 來產生它，但這裡有一些 JSL 將生成 N 個（我將其設為 5）分層的驗證列。 有些模型對驗證列敏感，即使在對特定回應進行分層時也是如此，因此測試不同的驗證列有助於評估模型的穩健性。
Names Default To Here( 1 );
dt = Current Data Table();
For( i = 1, i <= 5, i++,
dt << Make Validation Column(
Training Set( 0.6 ),
Validation Set( 0 .2),
Test Set( 0.2 ),
Stratified Random( :Group )
)
);
在上面的腳本中，i 從1 運行到5，因此它會產生5 個驗證列，其中分為60% 訓練、20% 驗證和20% 測試（您可以將值變更為最適合您的資料的值） ，它將是在您在 :Group 彈出視窗中選擇的任何列上隨機分層。 如果您不想分層，則可以將該命令替換為隨機類別公式。
JSL 是一種非常容易編寫程式碼的語言，因此如果您有時間，我強烈建議您測試一些腳本以熟悉它。 我發現在不同的資料集上執行相同的任務時它非常有用——它有助於自動化操作。 您也可以查看“幫助”選單下的“腳本索引”。
祝你好運！，
DS
回覆：識別分區樹回歸的“重要變數”感謝您的建議，他們向我澄清了很多問題，我會在這方面進行工作。 儘管我能夠使用和開發（例如模型之間的一些比較）的限制之一是我不在 JMP PRO 版本中工作。 然而，我能夠確定這個選項：JMP to R Add-In Builder，我知道它可以幫助我使用其他演算法來開發分析，正如它所建議的那樣；我指出的最後一個，是因為我是一個非編碼員 >.<
謝謝！
回覆：識別分區樹回歸的“重要變數”我不是專家，但我也讀過那本書（順便說一句，我喜歡其中的範例和練習）。 後面的章節中有一些很好的例子，可能也適用於您的特定情況。
VIF 當然是一種確定模型中哪些變數被過度強調的方法。 檢查決策樹結果的列貢獻也非常有幫助。 另一種方法可能是使用主成分分析 (PCA)，它可以幫助將最重要的變數分組在一起，並將它們用作對反應進行建模的 PC。引導森林平台應該能夠防止過度擬合，因為它是隨機的反應和因素。 引導森林和提升樹都應該「踢出」無用的因素，因為它不會沿著這些因素分裂，並且它們的貢獻將下降到非常低的值。
如果您有足夠的資料來建立包含訓練、驗證和測試資料的驗證列，這將有助於大幅簡化您的模型。 驗證部分有助於從群組中選擇最簡約的模型，而測試資料則用於查看模型與「盲」資料的配合情況。 需要注意的是，您可能需要考慮是否應該分層、隨機或以其他方式選擇。 這可以部分（或很大程度上）基於您的建模回應。 它是連續的還是二進制的等？
最後，比較幾種不同的模型（模型比較平台），例如神經網路、分區、boostrap 森林、boosted 樹或廣義回歸也將有助於選擇最適合您的資料的模型。 請務必僅在「測試」資料上比較您的模型，或在透過隱藏和排除手動阻止的任何資料上比較您的模型（即您不想在訓練資料上進行測試）。
我不確定是否有一個“標準化”方法來確定這一點，但從幾個不同的角度解決問題肯定有助於了解重疊最多的地方，並幫助您決定確定“代表性”變數。
希望這可以幫助！，
DS
