建立基於邊界的統計模型，以多個預測變數為自變數預測連續結果。與回歸樹（分區）方法相比，支援向量回歸（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」。
- 將「選擇列」中的連續變數加入Y（回應）角色。
- 將候選預測變數加入X 因子角色。
- 如果需要，可以按照本例所示，在「驗證」角色中輸入驗證列。按一下“確定” 。
- 模型啟動控制面板打開，允許選擇內核函數及其相關選項。本範例使用預設設定。按一下“執行” 。 JMP 顯示：
- 模型摘要透過 RASE 和 R 平方等指標詳細說明了模型的性能。此處我們可以看到 R 平方值為 89.6%，表示模型能夠很好地描述結果變數。
- 實際值與預測值比較圖，縱軸顯示實際反應值，橫軸顯示預測反應值。此圖提供了一種圖形化的方法，用於評估模型的預測性能，可視化擬合模型周圍數據的波動情況，並識別異常值。
若要視覺化模型以及每個因素對預測反應的影響，請啟動紅色三角形下方的「分析器」 。 「輪廓分析器」和「曲面分析器」也可用於視覺化各因素對與預測反應之間的關係。
透過紅色三角形可以存取其他選項，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 > 範例資料資料夾）
造訪JMP 幫助中的「預測和專用模型 > 支援向量機」以了解更多資訊。
