建立基於邊界的統計模型，以多個預測變數為函數預測連續結果。與回歸樹（分區）方法相比，SVR 能夠創建更靈活的邊界形狀。
支持向量回歸
- 從開啟的 JMP ®表中，選擇分析 > 預測建模 > 支援向量機。
- 從「選擇列」向「Y，回應」角色新增一個連續變數。
- 將候選預測變數加入X、Factor角色。
- 如果需要，請在驗證角色中輸入驗證列，如本例所示。點選確定。
- “模型啟動”控制面板打開，允許選擇核函數及相關選項。本範例使用預設設定。點選“開始” 。 JMP 顯示：
- 模型摘要透過 RASE 和 R-Squared 等指標詳細說明了模型的性能。這裡我們看到 R-Squared 為 89.6%——這是一個相當好的模型，可以很好地描述結果變數。
- 實際值與預測值圖， Y 軸顯示實際響應值，X 軸顯示預測響應值。此圖提供了一種圖形化方法，用於評估模型的預測性能，可視化擬合模型周圍數據的變化，並識別異常值。
若要視覺化模型以及每個因子對預測反應的影響，請啟動紅色三角形下方的刻畫器。輪廓刻畫器和曲面刻畫器也可用於視覺化因子對與預測反應之間的關係。
可以從紅色三角形存取其他選項，例如殘差圖、保存預測值、儲存預測公式以及將預測公式發佈到公式庫。
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp（幫助 > 樣本資料夾）
造訪JMP 幫助中的預測和專業模型 > 支援向量機以了解更多資訊。
