Erstellen Sie ein auf Grenzen basierendes statistisches Modell, um eine kontinuierliche Zielgröße als Funktion mehrerer Prädiktorvariablen vorherzusagen. SVR ermöglicht deutlich flexiblere Grenzen als die Regressionsbaum-Methode (Partitionierung).
Support-Vektor-Regression
- Wählen Sie in einer geöffneten JMP® - Tabelle Analysieren > Prädiktive Modellierung > Support Vector Machines.
- Fügen Sie der Y- Antwortrolle eine kontinuierliche Variable aus „ Spalten auswählen “ hinzu.
- Fügen Sie Kandidatenprädiktorvariablen zur X-Faktor- Rolle hinzu.
- Fügen Sie bei Bedarf eine Validierungsspalte in die Validierungsrolle ein, wie in diesem Beispiel gezeigt. Klicken Sie auf OK .
- Das Bedienfeld „Modellstart“ öffnet sich und ermöglicht die Auswahl einer Kernelfunktion und zugehöriger Optionen. In diesem Beispiel wurden die Standardeinstellungen verwendet. Klicken Sie auf „Los“ . JMP zeigt Folgendes an:
- Die Modellzusammenfassung beschreibt die Leistungsfähigkeit des Modells anhand von Kennzahlen wie RASE und R². Hier sehen wir, dass das R² 89,6 % beträgt – ein recht gutes Modell zur Beschreibung der Zielvariable.
- Das Diagramm „Ist-Werte vs. Vorhersagewerte“ stellt die tatsächlichen Werte auf der Y-Achse den vorhergesagten Werten auf der X-Achse gegenüber. Es ermöglicht die grafische Bewertung der Vorhersageleistung des Modells, die Visualisierung der Streuung der Daten um das angepasste Modell und die Identifizierung von Ausreißern.
Um das Modell und den Einfluss jedes Faktors auf die vorhergesagte Reaktion zu visualisieren, starten Sie den Profiler unter dem roten Dreieck. Kontur- und Oberflächenprofiler stehen ebenfalls zur Verfügung , um die Beziehung zwischen Faktorpaaren und der vorhergesagten Reaktion zu visualisieren.
Über das rote Dreieck sind weitere Optionen wie Residuenplots , Speichern der Vorhersagen , Speichern der Vorhersageformel und Veröffentlichen der Vorhersageformel im Formeldepot zugänglich.
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp (Hilfe > Beispieldatenordner)
Besuchen Sie in der JMP-Hilfe den Bereich „Vorhersage- und Spezialmodelle > Support-Vektor-Maschinen“, um mehr zu erfahren.
