用於建立基於劃分的模型（決策樹），該模型識別預測分類結果的最重要因素（分類），並使用生成的樹對新的觀測值進行預測。
分類樹
- 從開啟的 JMP ®表中，選擇「分析」>「預測建模」>「分區」。
- 從「選擇列」中選擇名義或有序回應變量，然後按一下「Y，回應」 。
- 選擇解釋變量，然後按一下X，因子。
- 如果需要，可以輸入驗證部分，或選擇驗證列並按一下「驗證」 （僅限 JMP Pro ）。本範例中使用了隨機選擇的 30% 驗證集。因此，訓練集佔比為 70%。
- 在JMP Pro中，選擇樹方法：決策樹（預設）、 Bootstrap Forest 、 強化樹 、 K個最近鄰或Naive Bayes。 JMP Pro 還允許您指定驗證列。
- 點選確定。
JMP 首先會顯示一個圖表，顯示每個回應等級的觀測值比例。
- 點擊“拆分”按鈕。觀測值將被拆分為兩個節點（或葉節點）。圖表將更新以反映拆分情況，並產生一個更詳細描述拆分過程的樹狀圖。
注意：點擊頂部的紅色三角形，然後選擇「顯示選項」>「顯示分割計數」 ，即可在每個葉子中顯示計數、比率（觀測值的比例）和機率（預測機率）。
- 點選「拆分」繼續拆分。點選「修剪」移除拆分。
如果使用驗證集，請點選「執行」以執行自動分割和剪枝，從而優化模型在驗證資料上的適合度。這裡只執行了兩次分割。
Auto Raw Data.jmp (Help > Sample Data Folder)自動產生原始資料.jmp（說明 > 範例資料資料夾）
前兩個拆分結果的解釋（回應為聲明（是/否））：
• 左側葉節點中有 1,179 個觀測值，對應 AgeClass(Young)。其中 768 個 (65.1%) 為 Claim(Y/N) = N，411 個 (34.8%) 為 Claim(Y/N) = Y。
• 右側葉節點中有 12,758 個觀測值，對應於老年組 (Elder)。此節點中 N 的回應率為 90.2%，Y 的回應率為 9.8%。
• 對於 AgeClass(Elder) 中的 12,758 個觀測值，根據 Rating Class 變數的第二次分割是 Rating Class (D,C) 和 Rating Class (B, A)。
筆記：
如需查看更多選項，例如列貢獻、 ROC 曲線和提升曲線，請點選頂部紅色三角形。其他選項，例如儲存預測公式，可透過頂部紅色三角形 > 儲存欄位存取。在頂部紅色三角形下選擇「決策閾值」 ，即可顯示模型的正確和錯誤分類率，並可評估不同閾值下的分類率。預設值為 50%。
造訪JMP 幫助中的「預測和專用模型 > 分區模型」以了解更多資訊。
