JMP-Sitzungsaufzeichnung (USA) - Entscheidungsbäume in JMPSehen Sie sich diese Sitzung an, um Folgendes zu erfahren:
- Modell mit Partition, Bootstrap Forests und Boosted Tree
- Vor- und Nachteile von Entscheidungsbäumen verstehen
- Vorteile: Nichtlineare Beziehungen aufdecken, leicht verständliche Ergebnisse erzielen, viele Faktoren überprüfen
- Nachteile: Behandeln Sie eine Antwort nach der anderen, bilden Sie eine Wenn-Dann-Anweisung, keine mathematische Formel, eine hohe Variabilität kann zu großen Unterschieden in einem Modell für ähnliche Daten führen
- Erstellen Sie einen JMP-Partitionsklassifizierungsbaum, der die Aufteilung verwendet, um die Beziehung zwischen den Prädiktoren und kategorialen Antworten zu definieren
- Definieren Sie die Anzahl der Stichproben, die Größe der Bäume (Modelle) und die Stichprobenrate, um Bootstrap-Forest-Modelle mit einer Random-Forest-Technik zu erstellen
- Definieren Sie die Anzahl der Schichten, Aufteilungen pro Baum, die Lernrate und die Abtastraten, um Boosted Tree-Modelle zu erstellen, die kleinere Modelle zu einem endgültigen Modell kombinieren
- Ergebnisse interpretieren und Modelle abstimmen
- Spezifizieren und Ausführen von Profit-Matrix-Berichten, um Fehlklassifizierungen für kategoriale Antworten zu identifizieren, und interpretieren Sie die Ergebnisse mithilfe von Confusion Matrix und Decision Matrix
Moderator: @Peter_Hersh
