在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
在本视频中，我们使用化学制造示例并为连续响应拟合回归树，屈服.
为此，我们从 Analyze 菜单中选择 Predictive Modeling，然后选择 Partition。
我们选择屈服作为 Y，响应变量。 然后我们选择两组预测变量作为 X，因子。
分区图中的水平线显示收益率的平均值 82.86。 每个点都绘制在其屈服Y 轴上的值，并随机散布在 X 轴上。 这些点按性能着色：拒绝的批次为红色，接受的批次为绿色。
潜在的拆分变量和值列在候选大纲中。 对于每个预测变量，都有一个分界点和一个 LogWorth 统计量。 候选 SS 是通过在变量的切割点处拆分数据来解释的响应变化。
LogWorth 最高的候选值是 Vessel Size，截点为 2000。
当我们点击 Split 时，我们看到它被用作切割点。 如果 Vessel Size 为 2000，则 Yield 的平均值为80.67 . 但是，如果 Vessel Size 为 750 或 500，则平均值为 84.19。
我们会再次分开。
第二次拆分在第一个分支中。 当容器大小为 2000 且氨基甲酸酯含量小于 1.12 时，平均值为 77。 67 9 . 但当氨基甲酸酯含量大于或等于1.12时，平均值为82.1
下一个拆分在第二个分支中，此时 Vessel Size 为 750 或 500。 对于较小的容器尺寸，当含水量大于或等于 1.59 时，平均值为 86.2。
每次拆分时，分区图都会更新。 此图提供了树中拆分的摘要。
我们将从顶部的红色三角形中选择 Leaf Report 以查看预测规则。 当前模型产生四个预测值，范围从 77.67 到 86.21。
要查看此模型，我们会将模型的公式保存到数据表中。 为此，我们选择保存列，然后从顶部的红色小三角中选择保存预测公式。 这将向数据表添加一个新的公式列。 我们来看看这个公式。
你可以看到回归树公式只是一系列嵌套的 If-Then 语句。 该模型具有三个拆分，产生四个可能的预测值之一。
