使用基于接近度的算法来预测分类结果（分类）或根据类似观察的结果（即，它们的最近邻居）预测新观察的连续结果的值。
K最近邻
- 从打开的 JMP ®表中，选择分析 > 预测建模 > K 最近邻。
- 从“选择列”中选择一个分类或连续响应变量，然后点击“Y，响应” 。这里，我们以分类响应变量为例进行说明。
- 选择候选预测变量并点击X，因子。
- 如果需要，请输入验证部分或选择验证列，然后单击“验证” 。单击“确定” 。
JMP 显示：
- 图表显示了 K 值范围内的错误分类率和计数。
- 混淆矩阵详细说明了具有最小错误分类率的 K 值的分类性能。
- 马赛克图（此处未显示）以图形方式显示混淆矩阵中的值。
Equity.jmp (Help > Sample Data Folder)Equity.jmp（帮助 > 样本数据文件夹）
K 个最近邻的结果预测风险等级（坏/好）
• 验证数据中有 1,192 个观测值。当预测仅基于 1 个最近邻点时，错误分类率最低：85/1,192（7.1%）被错误分类。请注意，错误分类率会随着最近邻点数量的增加而增加。在验证数据中的这些错误分类中，3/(3+194) = 0.3% 的“良好风险”观测值被错误分类为“不良风险”。80/(80+195) = 29% 的“不良风险”观测值被错误分类为“良好风险”。
• 为测试数据预留了 1,192 个观测值（结果未显示）。使用 1 个最近邻点，这些观测值的总误分类率为 6.9%。0.4% 的“良好风险”观测值被误分类为“不良风险”，3.2% 的“不良风险”观测值被误分类为“良好风险”。这些结果通常被认为能够最准确地估计未来数据的误分类率，因为这些观测值并非模型训练或选择过程的一部分。
注意：可以从响应变量名称旁边顶部附近的红色三角形访问其他选项，例如提升曲线、保存预测、保存预测公式和发布预测公式。
访问JMP 帮助中的预测和专业模型 > K 最近邻以了解更多信息。
