Enregistrement de session JMP (États-Unis) - Arbres de décision dans JMPRegardez cette session pour apprendre ce qui suit :
- Modèle utilisant Partition, Bootstrap Forests et Boosted Tree
- Comprendre les avantages et les inconvénients des arbres de décision
- Avantages : découvrez des relations non linéaires, obtenez des résultats faciles à comprendre, examinez un grand nombre de facteurs
- Inconvénients : traiter une réponse à la fois, les formulaires si-alors n'ont pas de formule mathématique, une grande variabilité peut entraîner des différences majeures dans un modèle pour des données similaires
- Créez un arbre de classification de partition JMP qui utilise le fractionnement pour définir la relation entre les prédicteurs et les réponses catégorielles
- Définir le nombre d'échantillons, la taille des arbres (modèles) et le taux d'échantillonnage pour créer des modèles de forêt Bootstrap en utilisant une technique de forêt aléatoire
- Définissez le nombre de couches, les divisions par arbre, le taux d'apprentissage et les taux d'échantillonnage pour créer des modèles d'arbre optimisé qui combinent des modèles plus petits dans un modèle final
- Interpréter les résultats et ajuster les modèles
- Spécifiez et exécutez des rapports de matrice de profit pour identifier les erreurs de classification pour les réponses catégorielles et interpréter les résultats à l'aide de la matrice de confusion et de la matrice de décision
Présentateur: @Peter_Hersh
