無料のオンライン コースで詳細をご覧ください。
産業問題解決のための統計的思考
このビデオでは、化学製造連続応答の回帰木を当てはめます。収率. このデモには JMP Pro を使用します。
このプロセスの許容収率は 80% です。
データは、トレーニング データと検証データに分割されています。 観測値の 60% がトレーニング セットにランダムに割り当てられ、観測値の 40% が検証セットに含まれています。
回帰ツリーをトレーニング データに適合させ、検証データを使用してツリーの成長をいつ停止するかを決定します。
これを行うには、[分析] メニューから [予測モデリング] を選択し、次に [分割] を選択します。 私たちは選択します収率を Y、応答変数として選択し、予測子の 2 つのグループを X、因子として選択します。
JMP Pro でモデル検証を使用するには、さまざまなオプションがあります。 1 つの方法は、ホールドアウト部分を指定することです。 たとえば、モデルからデータの 40% を保持して に使用できます。
代わりに、検証列を使用します。 この列を Validation ロールにドラッグし、[OK] をクリックします。
検証を使用しているため、JMP には [Go] ボタンが用意されています。 このボタンをクリックすると、ツリーが自動的に構築され、プルーニングされます。
ツリーが少し大きいので、オフにします。 これを行うには、上部の赤い三角形の [表示オプション] を使用し、[ツリーの表示] の選択を解除します。
最終モデルには 7 つの分割があります。
下部に分割履歴が表示されます。 これは小さなデータ セットであるため、分割できるのは 8 つだけです。 モデルは 7 つの分割に刈り込まれました。 これは、検証セットで R2 乗値が最大のモデルです。
RSquare と RMSE はどちらも、モデルの構築に使用されたトレーニング データに適しています。 この意味はのモデルは、検証データよりもトレーニング データによく適合します。
これを確認するには、上部の赤い三角形から [予測プロットによる実際のプロット] を選択します。 データ ポイントは、検証セットよりもトレーニング セットの方がはるかに緊密にクラスター化されていることに注意してください。
このプロットは、データに説明のつかない変動がまだたくさんあることを示しています。
このモデルに含まれる変数を見てみましょう。 これを行うには、上部の赤い三角形から [列の寄与] を選択します。 モデルに含まれる変数は 5 つだけです。
最後に、Leaf レポートを見てみましょう。 上の赤い三角形からこのオプションを選択します。 このプロセスの許容歩留まりは 80% です。 最高予想利回りは 87.3 です。
現在のプロセスを考えると、ルールは、より高い利回りを達成する方法についてのいくつかの指標を提供します。
