构建基于边界的统计模型，以多个预测变量的函数形式预测连续结果。与回归树（分区）方法相比，SVR 能够创建更灵活的边界形状。
支持向量回归
- 从打开的 JMP ®表中，选择分析 > 预测建模 > 支持向量机。
- 从“选择列”向“Y，响应”角色添加一个连续变量。
- 将候选预测变量添加到X、Factor角色。
- 如果需要，请在验证角色中输入验证列，如本例所示。点击确定。
- “模型启动”控制面板打开，允许选择核函数及相关选项。本示例使用默认设置。点击“开始” 。JMP 显示：
- 模型摘要通过 RASE 和 R-Squared 等指标详细说明了模型的性能。这里我们看到 R-Squared 为 89.6%——这是一个相当好的模型，可以很好地描述结果变量。
- 实际值与预测值图， Y 轴显示实际响应值，X 轴显示预测响应值。此图提供了一种图形化方法，用于评估模型的预测性能，可视化拟合模型周围数据的变化，并识别异常值。
要可视化模型以及每个因子对预测响应的影响，请启动红色三角形下方的刻画器。轮廓刻画器和曲面刻画器也可用于可视化因子对与预测响应之间的关系。
可以从红色三角形访问其他选项，例如残差图、保存预测值、保存预测公式以及将预测公式发布到公式库。
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp（帮助 > 样本数据文件夹）
访问JMP 帮助中的预测和专业模型 > 支持向量机以了解更多信息。
