661019_zh-TW

liliconcom

預測建模實踐活動

透過這些實作活動，您可以練習使用 JMP 進行預測建模。活動的資料檔案位於本文所附的 zip 檔案中。提取預測建模實踐活動.zip中的資料以用於以下活動。點擊此連結以獲取解決方案。本文附有這些活動和解決方案的 PDF 檔案（英文）。

連續響應，連續預測

1. 使用下午 1.jmp中的資料建立預測模型。這些數據是隨著時間的推移收集的。
   1. 使用圖形產生器和多變數可視化資料。數據有問題嗎？
   2. 使用擬合模型和響應曲面巨集建立響應曲面模型。完整型號的R ²是多少？在預測殘差圖中看到的模型擬合是否有任何問題？哪些預測變數對於預測 Y 最重要？將預測公式儲存到資料表中。
   3. 使用神經平台的預設設定來建立神經網路模型。驗證集上模型的 R ²是多少？在預測殘差圖中看到的模型擬合是否有任何問題？擬合另一個具有50 個節點的模型。該模型是否具有明顯較好的預測能力？將預測公式儲存到資料表中。
   4. 使用具有 25% 驗證集的分區平台建立決策樹模型。驗證集上模型的 R ²是多少？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有任何問題？哪些變數對於預測 Y 最重要？將預測公式儲存到資料表中。
   5. 使用圖形產生器為這三個模型建立實際和預測圖。您喜歡哪種型號？

分類反應、連續和分類預測變量

2. 使用PM 2 .jmp 中的資料建立預測模型。
   1. 使用圖形生成器可視化資料。數據有問題嗎？
   2. 使用適合模型和響應面宏建立序數迴歸模型。完整模型的誤分類率是多少？提示：開啟「適合詳細資料」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. 使用神經平台的預設設定來建立神經網路模型。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% 驗證集的分割平台建立決策樹模型。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