在之前的博客（第 1 部分）中，我们介绍了如何使用 JMP 18 中增强的“Python 集成”功能将 scikit-learn 的样本数据“加州房价”读取为 JMP 数据表。
在本博客（第 2 部分）中，我们将使用加载的数据创建一个回归模型，根据年龄、房间数量、纬度、经度等来预测房价，并使用预测配置文件可视化该模型。那时，JMP 18 现在允许您在配置文件中显示预测区间，因此我也将利用此功能。
然而，在不观察数据的情况下突然创建模型是危险的，因此通过绘制图表或总结数据来探索数据。 JMP 18 还包含可帮助您探索数据的新功能。
标题统计、使用列切换器进行数据探索
在 JMP 中探索数据时，我们建议使用 JMP 18 中的新功能，例如标题统计和列管理器。
标题统计
单击数据表中的 Σ 图标可显示数据表中每列的汇总统计信息。此外，作为现有的 JMP 功能，您还可以单击直方图图标来显示标题图，从而实现高级数据可视化和汇总。
栏目经理
单击“列”面板中的图标（由上面的绿色圆圈表示）将启动“列管理器”，如下所示。该工具允许您更改列属性、查看汇总统计数据、分布等，对于汇总具有多个变量的数据特别有用。
查看汇总统计数据和分布，可以看到对于某些变量，数据尾部向右，并且有较大的值可以被视为异常值。例如，AveRooms（街区中的平均房间数）的最大值为 141.9，AveBedrms（街区中的平均卧室数）的最大值为 34。住在一栋有141个房间、34间卧室的房子里，对于我这样的平民来说是完全难以想象的。 。
然而，这些异常值可能会影响后面创建的模型，因此我们使用目标变量和解释变量计算多元距离（马哈拉诺比斯距离），并从模型创建中排除具有较大值的数据。 。
此过程排除了 17 条数据。如果您从数据表中排除这些数据，则标题图和标题统计信息将相应地重新计算。
在“预测配置文件”中显示预测区间
使用[Model Fit]创建模型（以下简称主效应模型），利用其他变量（MedInc、房屋年龄等）的主效应解释加州房价（MedHouseVal）时的报告如下接下来。
报告“参数估计”中的估计值成为回归模型中的偏回归系数，“预测剖面”是该模型公式的可视化。尽管已经表明，平均房间数量（AveRooms）越多，价格越低，但这可能是违反直觉的。然而，这里是基于得到的预测公式。
另外，在预测不同街区的房价时，在考虑预测值的可能值范围时最好使用预测区间。在 JMP 18 中，您可以通过从预测配置文件左侧的红色三角形中选择“预测区间”来显示 95% 预测区间（绿色直线表示置信限）。
当使用这个预测公式根据加州另一个街区的参数（收入、建造年份、房间数量等）来预测该街区的房价时，需要找到一个预测区间作为预测范围。
在 JMP 18 中，您可以通过从“预测配置文件”左侧的红色三角形按钮中选择“预测区间”来显示 95% 预测区间（绿色直线是 95% 预测区间的置信限），如下所示。
在 JMP 18 中，您还可以在图形菜单下的剖面图下查看置信区间和预测区间。
选择保存列 > 预测变量和区间公式，如下图所示。然后将预测公式和置信区间（平均值、个体）列添加到数据表中。
*置信区间列设置为“不显示”。
在这个过程中，除了主效应模型之外，我们还创建了一个包含主效应和二次交互作用的模型，并使用相同的过程保存了计算公式。
为了比较“主效应模型”和“主效应+二次交互模型”的配置文件，请使用[图形] > [配置文件]并将之前保存的预测公式列更改为[Y，预测公式]列。
将显示配置文件报告，因此从“预测配置文件”左侧的红色小三角按钮中选择[预测区间]，然后取消选中“置信区间”复选框，如下所示。
上面的配置文件是当加利福尼亚州有一个街区位于经度-122.23，纬度37.88，收入8，年龄2，房间数7...时，房屋的预测中位数价格及其95％...显示了预测区间。
| 模型 |
预测值和95%预测区间 |
| 主效应模型 |
3.91 [2.53, 5.29] |
| 主效应，双向交互模型 |
4.14 [2.80, 5,47] |
比较两个模型时，预测值和预测区间存在一些差异。然而，最好认为房价的预测值约为4，预测范围在2.5至5.5范围内。
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 用户社区
