カテゴリ応答でブートストラップフォレストを構築する場合、混同行列は表示されません。こんにちは。
私は、JMP Pro 18 で Equity ファイル (JMP データベース) を使用して、カテゴリ応答 (BAD) を使用したブートストラップ フォレストを構築しています。https: //www.jmp.com/support/help/en/17.1/ ?os=win&source=application#page/jmp/example-of-bootstrap-forest-with-a-categorical-response.shtml# に記載されている手順に従いました。
しかし、レポートには混同行列が含まれていません。何か手順が抜けているかどうか、どなたか教えていただけませんか?
さらに、このガイドの冒頭には、「顧客が信用リスクが低いかどうかを予測するために、ブートストラップ フォレスト モデルが構築されている」と書かれています。しかし、ガイドで提示されている分析から、結果 (つまり、信用リスクが低い) を明確に結論付けるにはどうすればよいでしょうか。
高度な統計モデリング予測モデリングと機械学習Re: カテゴリ応答でブートストラップフォレストを構築するときに混同行列が表示されない株式データセットはこちら
Re: カテゴリ応答でブートストラップフォレストを構築するときに混同行列が表示されないBAD 列を名目モデリング タイプに変更します。
Re: カテゴリ応答を使用してブートストラップフォレストを構築するときに混同行列が表示されないこんにちは@madhu さん
奇妙なことに、この Equity データセットで Bootstrap Forest を再起動すると、混同行列が生成されます。
また、確認したところ、混同マトリックスはデフォルトでレポートに表示されます。その表示は自動であり、プラットフォームの設定とは関係ありません。
support@jmp.comのテクニカル サポートに問い合わせてみてはいかがでしょうか?
2 番目の質問については、このデータセットの目的は、さまざまな記述子 (LOAN、MORTDUE、VALUE、...DEBTINC) に基づいて、ある人物の信用リスクが悪い (応答列「BAD」のレベル「Bad Risk」) か、許容できる (レベル「Good Risk」) かを予測することです。
銀行や保険会社の目的は、返済能力のある人にのみお金を貸すことです。そのため、さまざまな記述子とモデルを利用して、効果的に返済能力のある人を検出できれば、お金を貸すリスクに見合うかどうかをより簡単に判断できます。
この回答がお役に立てば幸いです。
Re: カテゴリ応答を使用してブートストラップフォレストを構築するときに混同行列が表示されないこんにちは #jthi
正解です。BAD データが「連続」としてマークされていたことに気付きました。これを「名目」に変更したところ、問題は解決しました。ご協力ありがとうございます。
Re: カテゴリ応答でブートストラップフォレストを構築するときに混同行列が表示されない親愛なる@Victor_G
BAD データが「連続」としてマークされていることに気付きました。これを「名目」に変更したところ、問題は解決しました。ご協力ありがとうございます。
2 番目の質問に関してですが、ブートストラップ フォレスト モデルは、顧客が信用リスクが高いかどうかを予測するために構築されていると理解しています。
以下のリンクに示されているカテゴリ応答を使用したブートストラップ フォレストの例では、3 つのレポートが生成され、解釈されたので、以下に引用します。
https://www.jmp.com/support/help/en/17.1/?os=win&source=application#page/jmp/example-of-bootstrap-forest-with-a-categorical-response.shtml#
- 全体統計レポート
「全体レポートによると、検証セットとテストセットの誤分類率はそれぞれ約 11.4% と 9.9% です。混同マトリックスは、誤分類の最大の原因は、リスクの低い顧客をリスクの低い顧客として分類することであることを示しています。
テスト セットの結果は、モデルが独立した観測にどの程度拡張されるかを示します。検証セットは、ブートストラップ フォレスト モデルの選択に使用されました。このため、検証セットの結果は、モデルが独立したデータにどの程度一般化されるかについての偏った指標となります。」
- コラム寄稿レポート
[どの予測子がモデルに最も貢献したかを判断することに関心があります。]
「列寄与レポートは、顧客の信用リスクを予測する最も強力な指標は、負債対収入比率である DEBTINC であると示唆しています。次にモデルに寄与する指標は、延滞している信用枠の数である DELINQ と、顧客の評価額である VALUE です。」
- 欠損値レポート
「DEBTINC 列には 1267 個の欠損値が含まれており、これは観測値の約 21% に相当します。ブートストラップ フォレスト分析に含まれる他のほとんどの列にも欠損値が含まれています。起動ウィンドウの [情報欠損] オプションにより、欠損値は、その値が持つ情報を認識する方法で処理されます。」
しかし、上記の 3 つのレポートの結果をどのように使用して、顧客が信用リスクが高いかどうかを予測できるのか理解に苦しみます。
