317515_zh-CN

liliconcom

理解和应用基于树的预测器筛选和建模方法

 

了解如何：

• 使用分区，Bootstrap森林和Boosted树进行建模
• 了解决策树的利弊
  • 优点：发现非线性关系，获得易于理解的结果，筛选大量因素
  • 缺点：一次处理一个响应，形成if-then语句而不是数学公式，高可变性可能会导致相似数据模型的重大差异
• 构建一个JMP分区分类树，该树使用拆分来定义预测变量和分类响应之间的关系
• 定义样本数量，树（模型）的大小和采样率，以使用随机森林技术构建Bootstrap Forest模型
• 定义层数，每棵树的分割数，学习率和采样率，以构建将较小模型组合为最终模型的Boosted Tree模型
• 解释结果并调整模型
• 指定并运行“利润矩阵”报告以识别分类响应的错误分类，并使用“混淆矩阵”和“决策矩阵”解释结果

注意：时间17:00和时间38:00包含问答

31+分钟高级掌握JMP预测分析视频