关于提升树模型的建议以及如何导出到 Excel你好，
我正在为我的工作开发一个模型，目标是能够输入参数，然后预测最终的湿度。我有大量数据需要处理（大约 4000 个数据点），所以我正在考虑使用提升树模型。我以前从未使用过这个函数，它自动填充了 200 层，每棵树 12 个分支，学习率为 0.121。我不确定这些参数是否合适，或者它是否只针对这个数据集。它给出了 Rsquared 为 0.75 和 RASE 为 0.45 的数值，这是我迄今为止从模型中获得的最好结果。
我也尝试过把它导出到 Excel，但没能找到这个函数。我知道提升树函数非常复杂，所以它可能根本无法工作。理想情况下，我希望能够在 Excel 中使用提升树函数，因为我的同事中并非所有人都使用 JMP。
任何建议或帮助都值得感激。谢谢！
预测模型和机器学习质量与工艺工程回复：关于提升树模型的建议以及如何导出到Excel谢谢。我也想知道
决策树（Partition）的预测公式非常简单。
然而，提升树和随机森林的预测公式完全不同，很难将它们分解为独立的公式。
谢谢专家！
回复：关于提升树模型的建议以及如何导出到 Excel你好@andrewdy04 ，
欢迎加入社区！
基于树的模型机制简单，因为它们依赖于使用因素阈值的 if-else 语句。
如果您想在 Excel 中使用基于树的模型，可以将预测公式保存在 JMP 中，并用相应的 Excel 函数替换 if-else JSL 函数。但是，提升树和随机森林的预测公式可能相当复杂（且冗长）：
关于建模策略，恐怕我没有足够的信息来指导您。以下是一些可以帮助您的问题：
- 数据是如何收集的？通过像DoE这样的实验数据策略？还是通过观察数据/生产数据？数据量不足以建立一个好的模型，你应该优先收集高质量的信息数据，以确保你的模型具有足够的可变性。
- 你的目标是什么？预测模型、解释模型，还是两者兼具？模型的可解释性/可解释性对你来说有多重要（理解预测模型的关键因素/驱动因素）？
- 您是否有任何约束或规范可以指导模型选择？例如，您是否期望非线性？曲率？您希望在实验空间中预测值平滑，还是可以接受“基于步骤”的预测（来自基于树的模型）？您可以查看我的帖子以了解更多信息： 模型比较与选择
- 您的性能指标和可接受阈值是什么？您将根据哪些性能指标来评估、比较和选择您的模型？基于测量能力（可重复性、再现性、精度等），每个性能指标的阈值是多少，您可以以此来评估模型性能是否“足够好”？
- 你的验证策略是什么？既然你似乎在进行预测建模，那么为了防止过度拟合，你的验证策略是什么？k 折交叉验证、验证列、其他……？提升树可能比其他基于树的方法（例如引导森林）更容易出现过度拟合，所以在尝试优化性能（无论是使用提升树模型还是其他模型）之前，最好先确定并设置一个验证策略。一些帖子讨论了这个问题：
已解决：使用 k 倍拟合质量进行交叉验证 - JMP 用户社区
已解决：Bootstrap Forest 平台 > “验证”列与“验证”部分 - JMP 用户社区
已解决：回复：交叉验证 - 验证列方法 - JMP 用户社区
- 如果你使用机器学习模型，那么超参数调整也需要考虑，因为有些算法对超参数调整的敏感度可能比其他算法更高。通常情况下，Bootstrap/随机森林对超参数调整的敏感度远低于Boosted模型（例如Boosted Tree）。
希望这第一个答案能对你有所帮助，
