Utiliser pour construire un modèle basé sur une partition (arbre de décision) qui identifie les facteurs les plus importants qui prédisent un résultat catégoriel (classification) et utiliser l'arbre résultant pour faire des prédictions pour de nouvelles observations.
Arbres de classification
- Dans une table JMP ® ouverte, sélectionnez Analyser > Modélisation prédictive > Partitionner.
- Sélectionnez une variable de réponse nominale ou ordinale dans Sélectionner les colonnes et cliquez sur Y, Réponse .
- Sélectionnez les variables explicatives et cliquez sur X, Facteur .
- Si vous le souhaitez, accédez à la section Validation ou sélectionnez une colonne de validation et cliquez sur Validation ( JMP Pro uniquement ). Un ensemble de validation aléatoire de 30 % a été utilisé dans cet exemple. L'ensemble d'entraînement représente donc 70 % des données.
- Dans JMP Pro uniquement , sélectionnez la méthode d'arbre de décision : Arbre de décision (par défaut), Forêt Bootstrap , Arbre Boosté , K plus proches voisins ou Naïf Bayes . JMP Pro vous permet également de spécifier une colonne de validation.
- Cliquez sur OK.
JMP affiche initialement un graphique montrant la proportion d'observations dans chaque niveau de réponse.
- Cliquez sur le bouton « Fractionner » . Les observations seront divisées en deux nœuds, ou feuilles. Le graphique sera mis à jour pour refléter la division et un diagramme arborescent décrivant plus en détail cette division sera créé.
Remarque : Cliquez sur le triangle rouge supérieur et sélectionnez Options d’affichage > Afficher les décomptes fractionnés pour afficher les décomptes, les taux (proportion d’observations) et les probabilités (probabilités prédites) dans chaque feuille.
- Cliquez sur « Diviseur » pour ajouter d'autres divisions. Cliquez sur « Élaguer » pour supprimer une division.
Si un ensemble de validation est utilisé, cliquez sur « Exécuter » pour lancer le fractionnement et l’élagage automatiques afin d’optimiser l’ajustement aux données de validation. Ici, seuls deux fractionnements ont été effectués.
Auto Raw Data.jmp (Help > Sample Data Folder)Auto Raw Data.jmp (Aide > Dossier de données d'exemple)
Interprétation des deux premières divisions (Réponse : Affirmation (O/N)) :
• La feuille de gauche contient 1 179 observations, correspondant à la classe d’âge (Jeune). Parmi celles-ci, 768 (65,1 %) ont une réponse « Non » (O/N) et 411 (34,8 %) ont une réponse « Oui » (O/N).
• On compte 12 758 observations dans la feuille de droite, correspondant à la classe d'âge (personnes âgées). Le taux de réponse est de 90,2 % pour N et de 9,8 % pour Y dans ce nœud.
• Pour les 12 758 observations dans la classe d'âge (aînés), la deuxième division, basée sur la variable de classe d'évaluation, se situe à la classe d'évaluation (D,C) et à la classe d'évaluation (B, A).
Remarques :
Pour accéder à des options supplémentaires, telles que les contributions des colonnes , les courbes ROC et de gain, cliquez sur le triangle rouge en haut . D'autres options, comme « Enregistrer la formule de prédiction », sont disponibles via le triangle rouge en haut > « Enregistrer les colonnes » . Sélectionnez « Seuil de décision » sous le triangle rouge supérieur pour afficher les taux de classification correcte et incorrecte du modèle, et notamment pour évaluer ces taux avec différentes valeurs de seuil. La valeur par défaut est de 50 %.
Consultez la section Modèles prédictifs et spécialisés > Modèles de partition dans l'aide de JMP pour en savoir plus.
