使用基於鄰近性的演算法來預測分類結果（分類）或根據類似觀測值（即它們的最近鄰居）的結果來預測新觀測值的連續結果值。
K個最近鄰
- 從開啟的 JMP ®表中，選擇「分析」>「預測建模」>「K 近鄰」。
- 從「選擇列」中選擇分類或連續反應變量，然後按一下「Y，回應」 。這裡，我們以分類反應變數為例來說明。
- 選擇候選預測變量，然後按一下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 值範圍內錯誤分類率和計數。
- 混淆矩陣詳細說明了 K 值對應的分類性能，此時誤分類率最小。
- 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 > 範例資料資料夾）
使用 K 近鄰演算法預測風險等級（壞/好）的結果
驗證資料集包含 1192 個觀測值。當預測僅基於 1 個最近鄰時，誤分類率最低：85/1192 (7.1%) 個觀測值被誤分類。請注意，誤分類率隨著最近鄰數量的增加而增加。在驗證資料集的這些誤分類中，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。
• 測試資料中預留了 1192 個觀測值（結果未顯示）。使用最近鄰方法對這些觀測值進行分類的總誤分類率為 6.9%。其中，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。由於這些觀測值未參與模型訓練或選擇過程，因此通常認為這些結果能夠最準確地估計未來資料的誤分類率。
注意：其他選項，例如“提升曲線” 、 “儲存預測結果”、 “儲存預測公式”和“發布預測公式”，可透過回應變數名稱旁邊頂部附近的紅色三角形存取。
造訪JMP 幫助中的「預測和專用模型 > K 近鄰」以了解更多資訊。
