決策樹使用分類或分區作為預測模型的基礎，以探索模式，發現關係，篩選最有影響力的因素並得出有關響應的結論。
JMP®提供了一種交互式方法來創建決策樹，其中包含眾多用於優化和解釋結果的選項。
視圖本健康與生命科學案例研究旨在了解基於樹的機器學習方法如何成為識別因素與響應變量之間關係的非常好的模型。
• 分區平台。
• 引導森林。
• 助推樹。
演員表學習
情況：作為研究經理，您想了解患者因素和糖尿病分類之間是否存在關聯。
任務：問題在於存在多個患者因素，並且並未完全理解所有的關係和因素相互作用。
行動：您使用決策樹創建簡單的分區，然後使用高級的Bootstrap Forest和Boosted Trees方法來找到最佳模型。
結果：使用這些機器學習技術，您可以比較最佳模型並確定最佳值以最大程度地減少糖尿病。
後續步驟：您的研究將與您的同事共享，並導致更多的研究，有助於改善患者的健康。
#sas #jmp #machinelearning
