複数の予測変数の関数として連続的な結果を予測するための境界ベースの統計モデルを構築します。SVRは、回帰木（パーティション）法よりもはるかに柔軟な境界形状を作成できます。
サポートベクター回帰
- 開いている JMP ®テーブルから、 [分析] > [予測モデリング] > [サポート ベクター マシン] を選択します。
- 列の選択から連続変数をY、応答ロールに追加します。
- 候補となる予測変数をX、因子ロールに追加します。
- 必要に応じて、この例のように検証ロールに検証列を入力します。 「OK」をクリックします。
- モデル起動コントロールパネルが開き、カーネル関数と関連オプションを選択できます。この例ではデフォルト設定を使用しています。「実行」をクリックすると、JMPに以下の画面が表示されます。
- RASEや決定係数などの指標を用いてモデルのパフォーマンスを詳細に示すモデルサマリー。決定係数は89.6%であり、結果変数を記述する上でかなり優れたモデルであることがわかります。
- 実測値と予測値のプロットは、 Y軸に実際の応答値、X軸に予測応答値を表示します。このグラフは、モデルの予測性能を評価し、適合モデル周辺のデータの変動を視覚化し、外れ値を特定するためのグラフィカルな手段を提供します。
モデルと各因子が予測応答に与える影響を視覚化するには、赤い三角形の下にあるプロファイラーを起動します。因子のペアと予測応答の関係を視覚化するために、コンタープロファイラーとサーフェスプロファイラーも利用できます。
残差プロット、予測値の保存、予測式の保存、予測式の式デポへの公開などの追加オプションには、赤い三角形からアクセスできます。
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp (ヘルプ > サンプルデータフォルダ)
詳細については、 JMP ヘルプの「予測モデルと特殊モデル > サポート ベクター マシン」を参照してください。
