构建基于边界的统计模型，以多个预测变量为自变量预测连续结果。与回归树（分区）方法相比，支持向量回归（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”。
- 将“选择列”中的连续变量添加到Y（响应）角色。
- 将候选预测变量添加到X 因子角色中。
- 如果需要，可以按照本例所示，在“验证”角色中输入验证列。单击“确定” 。
- 模型启动控制面板打开，允许选择内核函数及其相关选项。本示例使用默认设置。单击“执行” 。JMP 显示：
- 模型概要通过 RASE 和 R 平方等指标详细说明了模型的性能。此处我们可以看到 R 平方值为 89.6%，表明该模型能够很好地描述结果变量。
- 实际值与预测值对比图，纵轴显示实际响应值，横轴显示预测响应值。该图提供了一种图形化的方法，用于评估模型的预测性能，可视化拟合模型周围数据的波动情况，并识别异常值。
要可视化模型以及每个因素对预测响应的影响，请启动红色三角形下方的“分析器” 。 “轮廓分析器”和“曲面分析器”也可用于可视化各因素对与预测响应之间的关系。
通过红色三角形可以访问其他选项，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 > 示例数据文件夹）
访问JMP 帮助中的“预测和专用模型 > 支持向量机”了解更多信息。
