使用基於接近度的演算法來預測分類結果（分類）或根據類似觀察的結果（即，它們的最近鄰居）預測新觀察值的連續結果的值。
K最近鄰
- 從開啟的 JMP ®表中，選擇分析 > 預測建模 > K 最近鄰。
- 從「選擇列」中選擇一個分類或連續反應變量，然後點擊「Y，回應」 。這裡，我們以分類反應變數為例來說明。
- 選擇候選預測變數並點選X，因子。
- 如果需要，請輸入驗證部分或選擇驗證列，然後按一下「驗證」 。按一下“確定” 。
JMP 顯示：
- 圖表顯示了 K 值範圍內的錯誤分類率和計數。
- 混淆矩陣詳細說明了具有最小錯誤分類率的 K 值的分類性能。
- 馬賽克圖（此處未顯示）以圖形方式顯示混淆矩陣中的值。
Equity.jmp (Help > Sample Data Folder)Equity.jmp（幫助 > 樣本資料資料夾）
K 個最近鄰的結果預測風險等級（壞/好）
• 驗證資料中有 1,192 個觀測值。當預測僅基於 1 個最近鄰點時，錯誤分類率最低：85/1,192（7.1%）被錯誤分類。請注意，錯誤分類率會隨著最近鄰點數量的增加而增加。在驗證資料中的這些錯誤分類中，3/(3+194) = 0.3% 的「良好風險」觀測值被錯誤分類為「不良風險」。 80/(80+195) = 29% 的「不良風險」觀測值被錯誤分類為「良好風險」。
• 為測試數據預留了 1,192 個觀測值（結果未顯示）。使用 1 個最近鄰點，這些觀測值的總誤分類率為 6.9%。 0.4% 的“良好風險”觀測值被誤分類為“不良風險”，3.2% 的“不良風險”觀測值被誤分類為“良好風險”。這些結果通常被認為能夠最準確地估計未來資料的誤分類率，因為這些觀測值並非模型訓練或選擇過程的一部分。
注意：可以從反應變數名稱旁邊頂部附近的紅色三角形存取其他選項，例如提升曲線、儲存預測、儲存預測公式和發布預測公式。
造訪JMP 幫助中的預測和專業模型 > K 最近鄰以了解更多資訊。
