여러 예측 변수의 함수로서 연속형 결과를 예측하는 경계 기반 통계 모델을 구축합니다. SVR은 회귀 트리(분할) 방법보다 훨씬 더 유연한 경계 형태를 생성할 수 있습니다.
지원 벡터 회귀
- 열려 있는 JMP ® 테이블에서 분석 > 예측 모델링 > 지원 벡터 머신을 선택합니다.
- 선택 열 에서 Y, 응답 역할에 연속형 변수를 추가합니다.
- 후보 예측 변수를 X, 요인 역할에 추가합니다.
- 원하는 경우, 이 예시와 같이 유효성 검사 역할에 유효성 검사 열을 입력합니다. 확인을 클릭합니다.
- 모델 실행 제어판이 열리면 커널 함수 및 관련 옵션을 선택할 수 있습니다. 이 예제에서는 기본 설정을 사용했습니다. '실행'을 클릭합니다. JMP는 다음 항목을 표시합니다.
- RASE 및 R-제곱과 같은 지표를 통해 모델의 성과를 자세히 설명하는 모델 요약입니다 . 여기서 R-제곱은 89.6%로, 결과 변수를 설명하는 데 매우 적합한 모델임을 알 수 있습니다.
- 실제 반응값과 예측 반응값을 Y축에, 예측 반응값을 X축에 표시하는 실제값 대 예측값 플롯 입니다. 이 그래프는 모델의 예측 성능을 평가하고, 적합 모델을 중심으로 한 데이터의 변동을 시각화하며, 이상치를 식별하는 그래픽 수단을 제공합니다.
모델과 각 요인이 예측 반응에 미치는 영향을 시각화하려면 빨간색 삼각형 아래에 있는 프로파일러를 실행하세요. 윤곽선 및 표면 프로파일러를 사용하여 요인 쌍과 예측 반응 간의 관계를 시각화할 수도 있습니다.
잔차 플롯 , 예측 저장 , 예측 공식 저장 , 예측 공식을 공식 저장소 에 게시 등의 추가 옵션은 빨간색 삼각형 에서 액세스할 수 있습니다.
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp(도움말 > 샘플 데이터 폴더)
자세한 내용은 JMP 도움말 에서 예측 및 특수 모델 > 지원 벡터 머신을 참조하세요.
