JMP Session Recording (US) - Alberi decisionali in JMPVisualizza questa sessione per apprendere quanto segue:
- Modello utilizzando partizione, foreste bootstrap e albero potenziato
- Comprendi i pro e i contro degli alberi decisionali
- Pro: Scopri relazioni non lineari, ottieni risultati facili da capire, esamina un gran numero di fattori
- Contro: gestire una risposta alla volta, formulare un'istruzione if-then non una formula matematica, l'elevata variabilità può portare a grandi differenze in un modello per dati simili
- Crea un albero di classificazione delle partizioni JMP che utilizzi la suddivisione per definire la relazione tra i predittori e le risposte categoriali
- Definire il numero di campioni, la dimensione degli alberi (modelli) e la frequenza di campionamento per costruire modelli Bootstrap Forest utilizzando una tecnica di foresta casuale
- Definisci il numero di livelli, suddivisioni per albero, frequenza di apprendimento e frequenze di campionamento per costruire modelli Boosted Tree che combinano modelli più piccoli in un modello finale
- Interpretare i risultati e ottimizzare i modelli
- Specificare ed eseguire i report della matrice di profitto per identificare le classificazioni errate per le risposte categoriali e interpretare i risultati utilizzando la matrice di confusione e la matrice di decisione
Presentatore: @Peter_Hersh
