JMPでのアンサンブルモデリング
モデルスクリーニングプラットフォームを使用して、JMP 16 Proでアンサンブルモデル（モデルのモデル）を作成する方法を参照してください。アンサンブルモデルは、多くの場合、個々のモデルよりも優れた予測子です。
Ensemble Model Set-Up Optionsアンサンブルモデルのセットアップオプション
- 複数のモデルを作成して、最適なモデルを選択します。 [分析]>[予測モデル]>[モデルのスクリーニング]。
- 因子と応答を追加し、検証列を含めます。
- [方法]、[オプション]、[折り畳まれた統合]、および[モデリングオプション]を選択して選択します。
- [OK]をクリックします。
- EvaluateMethodsレポートのR-square値を使用して結果を調べて比較します。
- アンサンブルモデルを構築するために、いくつかの優れたモデルを選択してください。
- 赤い三角形から、[高速数式を保存]を選択して、モデル値をデータテーブルに追加します。
- アンサンブルモデルの構築-[分析]>[予測モデル]>[モデルを選択]を選択し、モデルと予測Yを因子として使用します。検証列も含めます。
- アンサンブルモデルのR-squareを個々のモデルのR-squareと比較します。
Ensemble Model Resultsアンサンブルモデルの結果
JMP 16 Proでアンサンブルモデル（モデルのモデル）を作成する方法を示します。モデルスクリーニングプラットフォームを利用する。
Re：JMPでのアンサンブルモデリングアンサンブルモデルの詳細
Re：JMPでのアンサンブルモデリング@dale_lehman 、すばらしい質問です。モデルの平均化は、Ensembleモデリングとまったく同じではありません。基本的な違いは、モデルの平均化はモデルのすべての予測の平均を取ることです。各モデルは、モデルの平均化で同じ重みを持ちます。これにより、通常、より堅牢なモデルが作成され、場合によっては全体的なモデルが改善されますが、常にそうとは限りません。これは有効なテクニックであり、アンサンブルモデリングと組み合わせても使用する価値があると思います。アンサンブルモデリングにより、JMPは基本的に重みをより正確な予測に適用できます。Neuralプラットフォームで複数のノードと双曲線タンジェントアクティベーションタイプを使用する場合は少し複雑になりますが、基本的にはEnsembleモデルが行うことです。
Re：JMPでのアンサンブルモデリング素晴らしく、簡潔な紹介。しかし、モデルの平均化を自動的に実行できるモデル比較オプションを使用しなかったのはなぜだろうと思いました。代わりに、さまざまなモデル予測を使用してニューラルネットを構築しました。平均化がアンサンブルモデルを構築するための良い方法であるかどうかに関するガイダンスを提供できますか？
