이 도구는 범주형 결과(분류)를 예측하는 데 가장 중요한 요소를 식별하는 분할 기반 모델(의사결정 트리)을 구축하고, 생성된 트리를 사용하여 새로운 관측치에 대한 예측을 수행하는 데 사용됩니다.
분류 트리
- 열려 있는 JMP® 테이블에서 분석 > 예측 모델링 > 분할을 선택합니다.
- [열 선택] 에서 명목형 또는 순서형 응답 변수를 선택하고 [Y, 응답]을 클릭합니다.
- 설명 변수를 선택하고 X, 요인을 클릭하세요.
- 원하는 경우 유효성 검사 부분을 입력하거나 유효성 검사 열을 선택한 다음 유효성 검사를 클릭하십시오( JMP Pro에서만 가능 ). 이 예시에서는 무작위로 선택된 30%의 유효성 검사 세트를 사용했습니다. 따라서 70%는 학습에 사용됩니다.
- JMP Pro 전용 에서 트리 생성 방법을 선택하세요. 의사결정 트리 (기본값), 부트스트랩 포레스트 , 부스팅 트리 , K-최근접 이웃 또는 나이브 베이즈 중에서 선택할 수 있습니다. JMP Pro에서는 유효성 검사 열을 지정할 수도 있습니다.
- 확인을 클릭하세요.
JMP는 처음에 각 응답 수준에 속하는 관측치의 비율을 보여주는 그래프를 표시합니다.
- 분할 버튼을 클릭하세요. 관측값이 두 개의 노드(잎)로 분할됩니다. 그래프는 분할 내용을 반영하여 업데이트되고, 분할 과정을 더 자세히 설명하는 트리 다이어그램이 생성됩니다.
참고: 상단의 빨간색 삼각형을 클릭하고 표시 옵션 > 분할 개수 표시를 선택하면 각 리프에 개수, 비율 (관측치의 비율) 및 확률 (예측 확률)이 표시됩니다.
- '나뉘다'를 클릭하여 추가 분할을 진행하세요. '가지치기'를 클릭하여 분할을 제거하세요.
검증 세트를 사용하는 경우, [ 이동]을 클릭하여 검증 데이터에 최적화된 자동 분할 및 가지치기를 수행합니다. 여기서는 두 번의 분할만 수행되었습니다.
Auto Raw Data.jmp (Help > Sample Data Folder)자동 원시 데이터.jmp (도움말 > 샘플 데이터 폴더)
첫 두 분기에 대한 해석 (응답은 주장(예/아니오)):
• 왼쪽 리프에는 AgeClass(Young)에 해당하는 1,179개의 관측치가 있습니다. 이 중 768개(65.1%)는 Claim(Y/N) = N이고 411개(34.8%)는 Claim(Y/N) = Y입니다.
• 오른쪽 리프 노드에는 AgeClass(Elder)에 해당하는 12,758개의 관측치가 있습니다. 해당 노드에서 N의 응답률은 90.2%, Y의 응답률은 9.8%입니다.
• AgeClass(Elder)의 12,758개 관측치에 대해 Rating Class 변수를 기준으로 한 두 번째 분할은 Rating Class (D,C)와 Rating Class (B, A)입니다.
참고:
컬럼 기여도 , 큰 괴조 및 리프트 곡선 과 같은 추가 옵션을 보려면 상단의 빨간색 삼각형을 클릭하십시오. 예측 공식 저장 과 같은 다른 옵션은 상단의 빨간색 삼각형 > 컬럼 저장 에서 사용할 수 있습니다. 결정 임계값을 선택하면 모델의 정확한 분류율과 잘못된 분류율을 표시하고 다양한 임계값에서 해당 비율을 평가할 수 있습니다. 기본값은 50%입니다.
자세한 내용을 알아보려면 JMP 도움말 의 예측 및 특수 모델 > 파티션 모델을 방문하세요.
