Erstellen Sie ein grenzwertbasiertes statistisches Modell, um ein kontinuierliches Ergebnis als Funktion mehrerer Prädiktorvariablen vorherzusagen. SVR kann wesentlich flexiblere Grenzformen erstellen als die Regressionsbaummethode (Partition).
Support-Vektor-Regression
- Wählen Sie in einer geöffneten JMP® - Tabelle „Analysieren > Prädiktive Modellierung > Support Vector Machines“ aus.
- Fügen Sie der Rolle „Y, Antwort“ eine kontinuierliche Variable aus „Spalten auswählen“ hinzu.
- Fügen Sie der X-Faktor -Rolle Kandidatenprädiktorvariablen hinzu.
- Fügen Sie bei Bedarf eine Validierungsspalte in die Validierungsrolle ein, wie in diesem Beispiel gezeigt. Klicken Sie auf OK .
- Das Bedienfeld „Modellstart“ wird geöffnet und ermöglicht die Auswahl einer Kernfunktion und zugehöriger Optionen. Für dieses Beispiel wurden die Standardeinstellungen verwendet. Klicken Sie auf „Los“ . JMP zeigt Folgendes an:
- Modellzusammenfassung mit detaillierten Angaben zur Leistung des Modells anhand von Metriken wie RASE und R-Quadrat. Hier sehen wir, dass das R-Quadrat 89,6 % beträgt – ein recht gutes Modell zur Beschreibung der Ergebnisvariablen.
- Tatsächliches vs. vorhergesagtes Diagramm, das die tatsächlichen Antwortwerte auf der Y-Achse im Vergleich zu den vorhergesagten Antwortwerten auf der X-Achse anzeigt. Dieses Diagramm bietet eine grafische Möglichkeit, die Vorhersageleistung des Modells zu bewerten, die Abweichungen in den Daten um das angepasste Modell herum zu visualisieren und Ausreißer zu identifizieren.
Um das Modell und den Einfluss jedes Faktors auf die prognostizierte Antwort zu visualisieren, starten Sie den Profiler unter dem roten Dreieck. Kontur- und Oberflächen- Profiler stehen ebenfalls zur Verfügung, um die Beziehung zwischen Faktorpaaren und der prognostizierten Antwort zu visualisieren.
Über das rote Dreieck können Sie auf zusätzliche Optionen wie Residuendiagramme , Vorhersagen speichern , Vorhersageformel speichern und Vorhersageformel im Formeldepot veröffentlichen zugreifen.
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp (Hilfe > Beispieldatenordner)
Weitere Informationen finden Sie unter „Prädiktive und spezialisierte Modelle“ > „Support Vector Machines“ in der JMP-Hilfe .
