在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，我们使用不纯示例并拟合分类响应的模型，结果，具有三个连续主效应，温度,催化剂浓， 和反应时间.
数据已划分为训练和验证数据。 60% 的观察被随机分配到训练集，40% 的观察在验证集中。
我们将逻辑模型拟合到训练数据，并在验证数据上评估模型性能。
让我们从选择开始拟合模型来自分析菜单。
我们选择结果作为 Y 变量。
然后我们选择温度,催化剂浓， 和反应时间作为模型效果。 默认个性是名义物流和目标类别是失败.
最后，我们选择验证作为验证变量。
该模型仅使用训练数据进行拟合。
要查看总体错误率，我们打开拟合详细信息大纲。
训练数据的误分类率为 3.3%，但保留验证数据的误分类率为 20%。
让我们仔细看看模型分类。
混淆矩阵是顶部红色三角形下方的一个选项。
验证数据中有 40 个观察值。 其中十个是失败的。
该模型正确分类了 10 个中的 7 个，即验证集中 70% 的失败。 这意味着它错误地分类或错过了 30% 的失败。
我们可以通过拟合更复杂的模型来提高误分类率吗？
