在 JMP® 中探索变量聚类和重要性在 JMP 中探索变量聚类和重要性®
Ryan J. Parker，JMP 技术学生，SAS
@瑞安帕克
本演示文稿展示了两种技术，可深入了解 JMP Pro 中内置的预测模型。 第一种技术，变量聚类，通过将相似的预测变量分组到聚类中来简化用户的模型构建过程。 使用有关葡萄酒质量的数据集，我们说明了这种减少不仅在预测能力方面有好处，而且还提高了拟合模型的可解释性。 接下来，我们将展示第二种技术，即变量重要性，如何用于评估复杂统计模型中输入变量的重要性。 通过使用可能输入变量的分布分解统计模型的响应可变性，该方法允许用户检查输入变量对模型响应的重要性。 了解哪些变量对响应变异性的影响最大对于理解这些输入如何影响预测非常重要。 我们使用复杂的统计模型（例如神经网络）展示了 JMP 如何为模型中的每个预测变量提供主要效应和总效应（包括所有可能的交互效应）的估计值。 本次会议将由 JMP 高级研究统计学家兼研发总监 Chris Gotwalt 主讲。
预测建模
