予測因子のスクリーニングとモデリングのためのツリーベースの方法の理解と適用
方法をご覧ください:
- パーティション、ブートストラップフォレスト、ブーストツリーを使用したモデル
- 意思決定ツリーの長所と短所を理解する
- 利点: 非線形関係を明らかにし、理解しやすい結果を取得し、多数の要因をスクリーニングする
- 短所: 一度に 1 つの応答を処理し、数式ではなく if-then ステートメントを形成し、変動性が高いため、同様のデータに対してモデルに大きな違いが生じる可能性があります。
- 分割を使用して予測変数とカテゴリ応答の関係を定義するJMPパーティション分類ツリーを構築します。
- ランダムフォレスト手法を使用してブートストラップフォレストモデルを構築するためのサンプル数、ツリー（モデル）のサイズ、サンプルレートを定義します。
- レイヤーの数、ツリーごとの分割数、学習率、サンプリング率を定義して、小さなモデルを最終モデルに結合するブーストツリーモデルを構築します。
- 結果を解釈し、モデルを調整する
- 利益マトリックスレポートを指定して実行し、カテゴリ応答の誤分類を特定し、混同マトリックスと決定マトリックスを使用して結果を解釈します。
注: 17:00 と 38:00 に質疑応答が含まれます
予測モデリングと機械学習
