무료 온라인 과정에서 자세히 알아보십시오.
산업문제 해결을 위한 통계적 사고
이 비디오에서는 다음을 사용합니다. 화학 제조 예를 들어 연속 응답에 대한 회귀 트리를 맞춥니다. 생산하다 .
이를 위해 Analyze 메뉴에서 Predictive Modeling을 선택한 다음 Partition을 선택합니다.
우리는 선택 생산하다 Y, 응답 변수로. 그런 다음 두 개의 예측 변수 그룹을 X, 요인으로 선택합니다.
파티션 그래프의 수평선은 Yield의 평균인 82.86을 나타냅니다. 각 포인트는 해당 위치에 플롯됩니다. 생산하다 Y축에 값이 있고 X축에 무작위로 분산되어 있습니다. 포인트는 성능에 따라 색상이 지정됩니다. 거부된 배치는 빨간색이고 승인된 배치는 녹색입니다.
잠재적 분할 변수 및 값은 후보 개요에 나열됩니다. 각 예측자에 대해 절단점과 LogWorth 통계가 있습니다. 후보 SS는 변수의 절단점에서 데이터를 분할하여 설명되는 반응의 변동입니다.
LogWorth가 가장 높은 후보는 컷포인트 2000인 Vessel Size입니다.
분할을 클릭하면 이것이 절단점으로 사용되는 것을 볼 수 있습니다. Vessel Size가 2000이면 Yield의 평균은 80.67 . 그러나 Vessel Size가 750 또는 500인 경우 평균은 84.19입니다.
우리는 다시 헤어질 것입니다.
두 번째 분할은 첫 번째 분기에 있습니다. Vessel Size가 2000이고 Carbamate Amount가 1.12 미만인 경우 평균은 77입니다. 67 9 . 그러나 Carbamate Amount가 1.12보다 크거나 같을 때 평균은 82.1입니다.
다음 분할은 Vessel Size가 750 또는 500일 때 두 번째 분기에 있습니다. 더 작은 용기 크기의 경우 수분 함량이 1.59 이상일 때 평균은 86.2입니다.
분할할 때마다 파티션 그래프가 업데이트됩니다. 이 그래프는 트리의 분할 요약을 제공합니다.
예측 규칙을 보기 위해 위쪽 빨간색 삼각형에서 Leaf Report를 선택합니다. 현재 모델은 77.67에서 86.21까지의 네 가지 예측 값을 생성합니다.
이 모델을 보기 위해 모델의 수식을 데이터 테이블에 저장합니다. 이를 위해 열 저장을 선택한 다음 상단 빨간색 삼각형에서 예측 수식 저장을 선택합니다. 이렇게 하면 데이터 테이블에 새 수식 열이 추가됩니다. 이 공식을 살펴보겠습니다.
회귀 트리 수식이 단순히 일련의 중첩된 If-Then 문이라는 것을 알 수 있습니다. 3개의 분할이 있는 이 모델은 4개의 가능한 예측 값 중 하나를 생성합니다.
