Se utiliza para construir un modelo basado en particiones (árbol de decisiones) que identifica los factores más importantes que predicen un resultado categórico (clasifican) y utiliza el árbol resultante para hacer predicciones para nuevas observaciones.
Árboles de clasificación
- Desde una tabla JMP ® abierta, seleccione Analizar > Modelado predictivo > Partición.
- Seleccione una variable de respuesta nominal u ordinal en Seleccionar columnas y haga clic en Y, Respuesta .
- Seleccione las variables explicativas y haga clic en Factor X .
- Si lo desea, introduzca la sección de validación o seleccione una columna de validación y haga clic en Validación ( solo en JMP Pro ). En esta ilustración se utilizó un conjunto de validación del 30 % seleccionado aleatoriamente. Por lo tanto, el 70 % se destina al entrenamiento.
- En Solo JMP Pro , seleccione el método de árbol: Árbol de decisión (predeterminado), Bosque Bootstrap , Árbol potenciado , K vecinos más cercanos o Bayesiano ingenuo . JMP Pro también permite especificar una columna de validación.
- Haga clic en Aceptar.
JMP muestra inicialmente un gráfico que muestra la proporción de observaciones en cada nivel de respuesta.
- Haga clic en el botón Dividir . Las observaciones se dividirán en dos nodos u hojas. El gráfico se actualizará para reflejar la división y se creará un diagrama de árbol que la describe con más detalle.
Nota: Haga clic en el triángulo rojo superior y seleccione Opciones de visualización > Mostrar recuentos divididos para mostrar recuentos, tasas (proporción de observaciones) y probabilidades (probabilidades previstas) en cada hoja.
- Haga clic en Dividir para continuar con las divisiones adicionales. Haga clic en Podar para eliminar una división.
Si se utiliza un conjunto de validación, haga clic en " Ir" para realizar la división y poda automáticas, optimizando así el ajuste a los datos de validación. En este caso, solo se realizaron dos divisiones.
Auto Raw Data.jmp (Help > Sample Data Folder)Auto Raw Data.jmp (Ayuda > Carpeta de datos de muestra)
Interpretación para las dos primeras divisiones (Respuesta es Reclamación (S/N)):
• Hay 1.179 obs en la hoja izquierda, correspondientes a AgeClass(Young). 768 de ellas (65,1%) son Claim(Y/N) = N y 411 (34,8%) son Claim(Y/N) = Y.
• Hay 12.758 objetos en la hoja derecha, correspondientes a AgeClass(Elder). La tasa de respuesta es del 90,2 % para N y del 9,8 % para Y en ese nodo.
• Para las 12.758 observaciones en la clase de edad (ancianos), la segunda división, basada en la variable de clase de calificación, es en clase de calificación (D, C) y clase de calificación (B, A).
Notas:
Para opciones adicionales, como Contribuciones de Columna , República de China y Curvas de Elevación , haga clic en el triángulo rojo superior . Otras opciones, como Guardar Fórmula de Predicción, están disponibles en el triángulo rojo superior > Guardar Columnas . Seleccione Umbral de Decisión en el triángulo rojo superior para mostrar las tasas de clasificación correctas e incorrectas del modelo, incluyendo la posibilidad de evaluar dichas tasas con diferentes valores de corte. El valor predeterminado es 50%.
Visite Modelos predictivos y especializados > Modelos de partición en la Ayuda de JMP para obtener más información.
