在我們的免費在線課程中了解更多信息：
工業問題解決的統計思維
在本視頻中，我們使用化學製造示例並為連續響應擬合引導森林，屈服. 我們使用 JMP Pro 進行此演示。
該工藝的可接受產率為 80%。 有 17 個潛在的預測變量，只有 90 個觀察值。 我們將使用引導森林來識別最重要的預測變量。
為此，我們從“分析”菜單中選擇“預測建模”，然後選擇“引導森林”。
我們選擇屈服作為 Y，響應變量，並選擇兩組預測變量作為 X，因子。
這將我們帶到一個規範窗口。 在這裡，我們可以指定森林中樹的數量、每次拆分要採樣的術語數以及要自舉重採樣的數據的比例。 我們還可以指定樹的大小和最小拆分大小。
我們將使用默認設置，但將輸入隨機種子 1234 以使我們的分析可重複。
您可以看到此模型的 R 方為 0.665。 但是，我們主要對識別重要變量感興趣。
我們將從頂部的紅色三角形中選擇列貢獻。 你可以看到有五六個重要的變量。
如果我們想提高產量，我們可能會進一步研究這個變量子集。
使用 Bootstrap Forest 平台進行變量選擇的替代方法是使用 Predictor Screening 平台。
我們將從分析啟動這個平台，然後是篩選。
預測因子篩選就是：一個篩選潛在重要預測因子的平台。 為此，它在幕後使用了引導森林。
我們將選擇 Yield 作為 Y、Response，並為 X 角色選擇兩組預測變量。
我們將樹的數量更改為 1000 以創建更大的森林，然後單擊“確定”。
您可以再次看到，前五或六個預測因子已被確定。 可以將這些預測變量複製並粘貼到另一個分析窗口中以供進一步研究。
