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，我们使用化学制造示例并为连续响应拟合引导森林，屈服. 我们使用 JMP Pro 进行此演示。
该工艺的可接受产率为 80%。 有 17 个潜在的预测变量，只有 90 个观察值。 我们将使用引导森林来识别最重要的预测变量。
为此，我们从“分析”菜单中选择“预测建模”，然后选择“引导森林”。
我们选择屈服作为 Y，响应变量，并选择两组预测变量作为 X，因子。
这将我们带到一个规范窗口。 在这里，我们可以指定森林中树的数量、每次拆分要采样的术语数以及要自举重采样的数据的比例。 我们还可以指定树的大小和最小拆分大小。
我们将使用默认设置，但将输入随机种子 1234 以使我们的分析可重复。
您可以看到此模型的 R 方为 0.665。 但是，我们主要对识别重要变量感兴趣。
我们将从顶部的红色三角形中选择列贡献。 你可以看到有五六个重要的变量。
如果我们想提高产量，我们可能会进一步研究这个变量子集。
使用 Bootstrap Forest 平台进行变量选择的替代方法是使用 Predictor Screening 平台。
我们将从分析启动这个平台，然后是筛选。
预测因子筛选就是：一个筛选潜在重要预测因子的平台。 为此，它在幕后使用了引导森林。
我们将选择 Yield 作为 Y、Response，并为 X 角色选择两组预测变量。
我们将树的数量更改为 1000 以创建更大的森林，然后单击“确定”。
您可以再次看到，前五或六个预测因子已被确定。 可以将这些预测变量复制并粘贴到另一个分析窗口中以供进一步研究。
