661019_zh-TW

liliconcom

預測建模實踐活動

通過這些實踐活動，您可以練習使用 JMP 進行預測建模。 該活動的數據文件位於本文所附的 zip 文件中。 提取數據在預測建模實踐活動.zip用於以下活動。 點擊這個鏈接尋求解決方案。 本文附有這些活動和解決方案的 PDF 文件（英文）。

連續響應，連續預測

1. 使用 PM 1.jmp 中的數據構建預測模型。 這些數據是隨著時間的推移收集的。
   1. 使用圖形生成器和多元可視化數據。 數據有問題嗎？
   2. 使用擬合模型和響應曲面宏構建響應曲面模型。 什麼是R ²完整模型？ 在預測殘差圖中看到的模型擬合是否存在任何問題？ 哪些預測變量對於預測 Y 最重要？ 將預測公式保存到數據表中。
   3. 使用神經平台的默認設置構建神經網絡模型。 什麼是R ²驗證集上的模型？ 在預測殘差圖中看到的模型擬合是否存在任何問題？ 擬合另一個具有 50 個節點的模型。 該模型是否具有明顯更好的預測能力？ 將預測公式保存到數據表中。
   4. 使用具有 25% 驗證集的分區平台構建決策樹模型。 什麼是R ²驗證集上的模型？ 模型中有多少個分割？ 在實際與預測圖中看到的模型擬合是否存在任何問題？ 哪些變量對於預測 Y 最重要？ 將預測公式保存到數據表中。
   5. 使用圖形生成器為三個模型構建實際預測圖。 您更喜歡哪種型號？

分類響應、連續和分類預測變量

2. 使用 PM 2.jmp 中的數據構建預測模型。
   1. 使用圖形生成器可視化數據。 數據有問題嗎？
   2. 使用擬合模型和響應曲面宏構建序數回歸模型。 完整模型的誤分類率是多少？ 提示：打開“適合詳細信息”報告。 可接受組的錯誤分類率是多少？ 提示：打開混淆矩陣報告。
   3. 使用神經平台的默認設置構建神經網絡模型。 模型在驗證集上的誤分類率是多少？ 特別是，可接受組的誤分類率是多少？ 擬合另一個具有 50 個節點的模型。 模型在驗證集上的誤分類率是多少？ 可接受組的誤分類率是多少？
   4. 使用具有 25% 驗證集的分區平台構建決策樹模型。 模型在驗證集上的誤分類率是多少？ 可接受組的誤分類率是多少？

 

預測建模和機器學習