關於提升樹模型的建議以及如何匯出到 Excel你好，
我正在為我的工作開發一個模型，目標是能夠輸入參數，然後預測最終的濕度。我有大量資料需要處理（大約 4000 個資料點），所以我正在考慮使用提升樹模型。我以前從未使用過這個函數，它自動填充了 200 層，每棵樹 12 個分支，學習率為 0.121。我不確定這些參數是否合適，或者它是否只針對這個資料集。它給出了 Rsquared 為 0.75 和 RASE 為 0.45 的數值，這是我迄今為止從模型中獲得的最佳結果。
我也嘗試過把它匯出到 Excel，但我沒能找到這個函數。我知道提升樹函數非常複雜，所以它可能根本無法工作。理想情況下，我希望能夠在 Excel 中使用提升樹函數，因為我的同事中並非所有人都使用 JMP。
任何建議或幫助都值得感激。謝謝！
預測模型和機器學習品質與工藝工程回覆：關於提升樹模型的建議以及如何匯出到Excel謝謝。我也想知道
決策樹（Partition）的預測公式非常簡單。
然而，提升樹和隨機森林的預測公式完全不同，很難將它們分解為獨立的公式。
謝謝專家！
回覆：關於提升樹模型的建議以及如何匯出到 Excel你好@andrewdy04 ，
歡迎加入社群！
基於樹的模型機制簡單，因為它們依賴使用因素閾值的 if-else 語句。
如果您想在 Excel 中使用基於樹的模型，可以將預測公式儲存在 JMP 中，並用對應的 Excel 函數取代 if-else JSL 函數。但是，提升樹和隨機森林的預測公式可能相當複雜（且冗長）：
關於建模策略，恐怕我沒有足夠的資訊來指導您。以下是一些可以幫助您的問題：
- 數據是如何收集的？透過像DoE這樣的實驗數據策略？還是透過觀察數據/生產數據？數據量不足以建立一個好的模型，你應該優先收集高品質的資訊數據，以確保你的模型有足夠的變異性。
- 你的目標是什麼？預測模型、解釋模型，還是兩者兼具？模型的可解釋性/可解釋性對你來說有多重要（理解預測模型的關鍵因素/驅動因素）？
- 您是否有任何約束或規範可以指導模型選擇？例如，您是否期望非線性？曲率？您希望在實驗空間中預測值平滑，還是可以接受「基於步驟」的預測（來自基於樹的模型）？您可以查看我的帖子以了解更多信息： 模型比較與選擇
- 您的效能指標和可接受閾值是什麼？您將根據哪些效能指標來評估、比較和選擇您的模型？基於測量能力（可重複性、再現性、精度等），每個效能指標的閾值是多少，您可以以此來評估模型效能是否「夠好」？
- 你的驗證策略是什麼？既然你似乎在進行預測建模，那麼為了防止過度擬合，你的驗證策略是什麼？ k 折交叉驗證、驗證列、其他…？提升樹可能比其他基於樹的方法（例如引導森林）更容易出現過度擬合，所以在嘗試優化效能（無論是使用提升樹模型還是其他模型）之前，最好先確定並設定驗證策略。一些帖子討論了這個問題：
已解決：使用 k 倍擬合品質進行交叉驗證 - JMP 用戶社群
已解決：Bootstrap Forest 平台 > “驗證”列與“驗證”部分 - JMP 用戶社區
已解決：回覆：交叉驗證 - 驗證列方法 - JMP 用戶社群
- 如果你使用機器學習模型，那麼超參數調整也需要考慮，因為有些演算法對超參數調整的敏感度可能比其他演算法更高。通常情況下，Bootstrap/隨機森林對超參數調整的敏感度遠低於Boosted模型（例如Boosted Tree）。
希望這個第一個答案能對你有幫助，
