예측 자 선별 및 모델링을위한 트리 기반 방법 이해 및 적용
방법보기 :
- 파티션, 부트 스트랩 포리스트 및 부스트 트리를 사용하는 모델
- 의사 결정 트리의 장단점 이해
- 장점 : 비선형 관계 발견, 이해하기 쉬운 결과 확보, 많은 요인 선별
- 단점 : 한 번에 하나의 응답을 처리하고, 수학 공식이 아닌 if-then 문을 형성하며, 높은 변동성은 유사한 데이터에 대한 모델에서 큰 차이를 유발할 수 있습니다.
- 분할을 사용하여 예측 자와 범주 형 응답 간의 관계를 정의하는 JMP 파티션 분류 트리를 구축합니다.
- 랜덤 포레스트 기술을 사용하여 부트 스트랩 포레스트 모델을 구축하기 위해 샘플 수, 트리 (모델) 크기 및 샘플 속도를 정의합니다.
- 계층 수, 트리 당 분할 수, 학습률 및 샘플링 속도를 정의하여 작은 모델을 최종 모델로 결합하는 Boosted Tree 모델을 구축합니다.
- 결과 해석 및 모델 조정
- Profit Matrix 보고서를 지정하고 실행하여 범주 형 응답에 대한 오 분류를 식별하고 혼동 행렬 및 결정 행렬을 사용하여 결과를 해석합니다.
참고 : 시간 17:00 및 시간 38:00에 Q & A 포함
31 분 이상많은JMP 마스터하기예측 분석비디오
