無料のオンライン コースで詳細をご覧ください:
産業問題解決のための統計的思考
このビデオでは、化学品製造例を示し、カテゴリカル応答の分類ツリーを当てはめます。パフォーマンス。
これを行うには、「分析」メニューから「予測モデリング」を選択し、「パーティション」を選択します。
選択しますパフォーマンスY、応答変数として。
次に、2 つの予測子のグループを X 因子として選択します。
パーティション グラフの水平線は、全体の合格率を示します。 Performance が Accept の場合、ポイントはラインの下にランダムに分散され、Performance が Reject の場合、ポイントはラインの上にランダムに分散されます。 これを見やすくするために、[カラー ポイント] をクリックします。
初期モデルには 1 つのノードがあります。 さらにいくつかの詳細を追加しましょう。 これを行うには、上部の赤い三角形から [表示オプション] を選択し、次に [分割カウントを表示] を選択します。
両方の結果のレートと観測数を確認できます。 90 個のバッチのうち 14 個が拒否されました。
分類ツリーを作成するには、ノードの赤い三角形を使用して、指定した分割を適用します。 または、「分割」ボタンを使用することもできます。 「分割」ボタンを 1 回クリックします。
最初の分割は変数 Base Assay に基づいています。 Base Assay が 97.9 未満の場合、不合格率は 0.4167 です。 それ以外の場合、拒否率は 0.0606 です。
JMP は Prob 値もレポートすることに注意してください。 これは、モデルに基づいて予測されるクラス メンバーシップの確率です。 この値には、確率が常にゼロでないことを確認するための重み係数が含まれているため、レートとは若干異なります。
また別れましょう。
今回のモデル分割は、ベースアッセイが 97.9 未満の場合のカーバメート量に基づいています。 この分岐では、カーバメート量が 1.1 未満の場合、拒否の確率は 1.0 ですが、カーバメート量が 1.1 以上の場合、拒否の確率は 0.22 になります。
さらに分割する前に、構築しているモデルを詳しく見てみましょう。 これを行うには、上部の赤い三角形から [リーフ レポート] を選択します。
分類ツリーは一連の If-Then ステートメントであることがわかります。 もう一度分けてみましょう。
これでモデルは容器サイズに応じて分割されました。 このモデルに基づくと、不合格の確率が最も低いのは、Base Assay が 97.9 以上で、Vessel Size が 500 または 750 の場合です。この予測確率はゼロに近いです。
不合格の確率が最も高いのは、Base Assay が 97.9 未満で、Carbamate Amount が 1.1 未満の場合です。
これらのノードの一部にはあまり観測値がないことに注意してください。 これは、分類ツリー用の小さなデータ セットです。 これ以上の分割が不可能になるまで分割を続ける可能性があります。 しかし、これではモデルの過剰適合につながります。
観測値が非常に少ないノードでモデルが分割されないように、モデルを構築する前に最小分割サイズを設定できます。
説明のために、[プルーン] ボタンを使用してモデルを 1 つのノードにプルーニングします。
最小分割サイズとして 10 を使用します。 これを設定するには、上部の赤い三角形から [最小分割サイズ] を選択し、値を入力して [OK] をクリックします。
ここで、「分割」ボタンを数回クリックしてみましょう。
最終モデルには 4 つの分割があります。 低いベースアッセイと低いカルバメート量の組み合わせが問題であることが簡単にわかります。 不合格の半分以上がこのブランチにあります。
