317515_zh-TW

liliconcom

理解和應用基於樹的預測器篩选和建模方法

 

了解如何：

• 使用分區，Bootstrap森林和Boosted樹進行建模
• 了解決策樹的利弊
  • 優點：發現非線性關係，獲得易於理解的結果，篩選大量因素
  • 缺點：一次處理一個響應，形成if-then語句而不是數學公式，高可變性可能會導致相似數據模型的重大差異
• 構建一個JMP分區分類樹，該樹使用拆分來定義預測變量和分類響應之間的關係
• 定義樣本數量，樹（模型）的大小和採樣率，以使用隨機森林技術構建Bootstrap Forest模型
• 定義層數，每棵樹的分割數，學習率和採樣率，以構建將較小模型組合為最終模型的Boosted Tree模型
• 解釋結果並調整模型
• 指定並運行“利潤矩陣”報告以識別分類響應的錯誤分類，並使用“混淆矩陣”和“決策矩陣”解釋結果

注意：時間17:00和時間38:00包含問答

31+分鐘高級掌握JMP預測分析視頻