在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
在本視頻中，我們使用不純示例並擬合分類響應的模型，結果，具有三個連續的主效應，溫度,催化劑濃度， 和反應時間.
數據已分為訓練數據和驗證數據。 60% 的觀察值被隨機分配到訓練集中，40% 的觀察值在驗證集中。
我們將邏輯模型擬合到訓練數據並評估模型在驗證數據上的性能。
讓我們從選擇開始擬合模型來自分析菜單。
我們選擇結果作為 Y 變量。
然後我們選擇溫度,催化劑濃度， 和反應時間作為模型效果。 默認個性是標稱物流和目標類別是失敗.
最後，我們選擇驗證作為驗證變量。
該模型僅使用訓練數據進行擬合。
要查看總體錯誤率，我們打開“擬合詳細信息”大綱。
訓練數據的誤分類率為 3.3%，而 holdout 驗證數據的誤分類率為 20%。
讓我們仔細看看模型分類。
混淆矩陣是頂部紅色三角形下方的一個選項。
驗證數據中有 40 個觀察值。 其中十個是失敗的。
該模型正確分類了 10 個中的 7 個，即驗證集中 70% 的失敗。 這意味著它錯誤地分類或錯過了 30% 的失敗。
我們可以通過擬合更複雜的模型來提高誤分類率嗎？
