여러 예측 변수의 함수로 연속형 결과 변수를 예측하는 경계 기반 통계 모델을 구축합니다. SVR은 회귀 트리(분할) 방식보다 훨씬 더 유연한 경계 형태를 생성할 수 있습니다.
서포트 벡터 회귀
- 열려 있는 JMP® 테이블에서 분석 > 예측 모델링 > 서포트 벡터 머신을 선택합니다.
- [열 선택] 에서 연속 변수를 Y, 응답 역할에 추가합니다.
- X, 팩터 역할에 예측 변수 후보를 추가합니다.
- 원하는 경우 이 예시와 같이 유효성 검사 역할에 유효성 검사 열을 추가합니다. 확인을 클릭합니다.
- 모델 실행 제어판이 열리고 커널 함수와 관련 옵션을 선택할 수 있습니다. 이 예제에서는 기본 설정을 사용했습니다. [실행]을 클릭합니다. JMP에 다음 내용이 표시됩니다.
- 모델 요약은 RASE 및 R-제곱과 같은 지표를 통해 모델의 성능을 자세히 보여줍니다. 여기서 R-제곱은 89.6%로, 결과 변수를 설명하는 데 상당히 우수한 모델임을 알 수 있습니다.
- 실제 반응값(Y축)과 예측 반응값(X축)을 나타내는 그래프입니다 . 이 그래프를 통해 모델의 예측 성능을 시각적으로 평가하고, 적합된 모델 주변의 데이터 변동을 파악하며, 이상치를 식별할 수 있습니다.
모델과 각 요인이 예측 결과에 미치는 영향을 시각화하려면 빨간색 삼각형 아래에 있는 프로파일러를 실행하세요. 요인 쌍과 예측 결과 간의 관계를 시각화하는 데 사용할 수 있는 윤곽 프로파일러와 표면 프로파일러도 제공됩니다.
잔차 플롯 , 예측값 저장 , 예측 공식 저장 , 예측 공식을 공식 저장소 에 게시하는 등의 추가 옵션은 빨간색 삼각형을 클릭하면 이용할 수 있습니다.
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp (도움말 > 샘플 데이터 폴더)
자세한 내용을 알아보려면 JMP 도움말 의 예측 및 특수 모델 > 서포트 벡터 머신을 방문하세요.
