Erfahren Sie mehr in unserem kostenlosen Online-Kurs:
Statistisches Denken für die industrielle Problemlösung
In diesem Video verwenden wir die Chemische Fertigung Beispiel und passen Sie einen Bootstrap-Wald für die kontinuierliche Antwort an, Ertrag . Wir verwenden JMP Pro für diese Demo.
Die akzeptable Ausbeute für dieses Verfahren beträgt 80 %. Es gibt 17 potenzielle Prädiktoren und nur 90 Beobachtungen. Wir verwenden einen Bootstrap-Forest, um die wichtigsten Prädiktoren zu identifizieren.
Dazu wählen wir Predictive Modeling aus dem Analyze-Menü und dann Bootstrap Forest.
Wir wählen aus Ertrag als Y, Response-Variable und wählen Sie die beiden Gruppen von Prädiktoren als X, Factors aus.
Dies bringt uns zu einem Spezifikationsfenster. Hier können wir die Anzahl der Bäume im Wald, die Anzahl der pro Teilung abzutastenden Terme und den Anteil unserer Daten angeben, für die Bootstrap-Resampling durchgeführt werden soll. Wir können auch die Größe des Baums und die minimale Teilungsgröße angeben.
Wir verwenden die Standardeinstellungen, geben aber den Zufallsstartwert 1234 ein, um unsere Analyse wiederholbar zu machen.
Sie können sehen, dass der RQuadrat für dieses Modell 0,665 beträgt. Wir sind jedoch in erster Linie daran interessiert, wichtige Variablen zu identifizieren.
Wir wählen Column Contributions aus dem oberen roten Dreieck aus. Sie können sehen, dass es fünf oder sechs wichtige Variablen gibt.
Wenn wir den Ertrag verbessern wollen, könnten wir diese Teilmenge von Variablen weiter untersuchen.
Eine Alternative zur Verwendung der Bootstrap Forest-Plattform für die Variablenauswahl ist die Verwendung der Predictor Screening-Plattform.
Wir starten diese Plattform von Analysieren und dann Screening.
Predictor Screening ist genau das: eine Plattform zum Screening auf potenziell wichtige Prädiktoren. Dazu wird hinter den Kulissen ein Bootstrap Forest verwendet.
Wir wählen Yield als Y, Response, und wählen beide Gruppen von Prädiktoren für die X-Rolle aus.
Wir ändern die Anzahl der Bäume auf 1000, um einen größeren Wald zu erstellen, und klicken auf OK.
Sie können sehen, dass wieder einmal die fünf oder sechs wichtigsten Prädiktoren identifiziert wurden. Diese Prädiktoren können zur weiteren Untersuchung kopiert und in ein anderes Analysefenster eingefügt werden.
