在 JMP® 中探索變數聚類和重要性 在 JMP ®中探索變數聚類和重要性
Ryan J. Parker，SAS JMP 技術學生
@RyanParker
本簡報示範了兩種深入了解 JMP Pro 內建預測模型的技術。第一種技術，變數聚類，透過將相似的預測變數分組成聚類，可以簡化使用者的模型建構過程。使用有關葡萄酒品質的數據集，我們說明這種減少不僅在預測能力方面具有優勢，而且還提高了擬合模型的可解釋性。接下來，我們展示如何使用第二種技術，即變數重要性，來評估複雜統計模型中輸入變數的重要性。透過使用可能的輸入變數的分佈分解統計模型的反應變異性，該方法允許使用者檢查輸入變數對模型反應的重要性。了解哪些變數對反應變化的影響最大，對於理解這些輸入如何影響預測非常重要。使用複雜的統計模型（例如神經網路），我們展示了 JMP 如何為模型中的每個預測因子提供主效應和總體效應（包括所有可能的交互效應）的估計。本場會議將由 JMP 資深研究統計師兼研發總監 Chris Gotwalt 主持。
