Dieses prädiktive Modellierungsverfahren dient zur Vorhersage eines kategorialen Ergebnisses (Klassifizierung) in Abhängigkeit von mehreren Prädiktorvariablen. Das Verfahren klassifiziert Beobachtungen durch Anwendung des Bayes-Theorems auf bedingte Wahrscheinlichkeiten.
Naive Bayes
- Wählen Sie in einer geöffneten JMP® - Tabelle „Analysieren“ > „Vorhersagemodellierung“ > „Naive Bayes“.
- Wählen Sie unter Spalten auswählen eine nominale oder ordinale Antwortvariable aus und klicken Sie auf Y, Antwort .
- Wählen Sie Kandidaten-Prädiktorvariablen aus und klicken Sie auf X, Faktor .
- Falls gewünscht, können Sie den Validierungsbereich eingeben oder eine Validierungsspalte auswählen und auf Validierung klicken, wie es in dieser Abbildung gezeigt wurde.
- Klicken Sie auf OK . JMP zeigt Folgendes an:
- Gesamtzahl der Fehlklassifizierungen und deren Quoten.
- Konfusionsmatrix zur Darstellung der Klassifizierungsleistung.
- ROC-Kurven und AUC-Werte (hier werden nur die Ergebnisse für die Trainingsdaten gezeigt).
Hinweis: Klicken Sie auf das obere rote Dreieck und wählen Sie „Profiler“ , um ein interaktives Tool anzuzeigen, das die vorhergesagte Wahrscheinlichkeit jeder Klasse in Abhängigkeit von den Ausprägungen der Prädiktorvariablen darstellt. Weitere Optionen, wie z. B. „Variablenwichtigkeit bewerten“, sind über das rote Dreieck neben „Vorhersageprofiler“ zugänglich. Der Profiler für die drei Prädiktorvariablen HDL, BMI und LTG wird unten rechts angezeigt.
Ergebnisse des Naive-Bayes-Klassifikators zur Vorhersage des Schweregrads (niedrig/hoch) bei den 442 Diabetespatienten:
• Die Trainingsdaten umfassen 309 Beobachtungen. Davon wurden 66 (21 %) falsch klassifiziert. 41/(185+41) = 18 % der Beobachtungen mit niedrigem Wert wurden fälschlicherweise als hoch klassifiziert. 25/(25+58) = 30 % der Beobachtungen mit hohem Wert wurden fälschlicherweise als niedrig klassifiziert.
• Die Validierungsdaten umfassen 133 Beobachtungen. Davon wurden 32 (24 %) falsch klassifiziert. 25/(70+25) = 26 % der niedrigen Werte
Beobachtungen wurden fälschlicherweise als hoch eingestuft. 7/(7+31) = 18 % der als hoch eingestuften Beobachtungen wurden fälschlicherweise als niedrig eingestuft.
Anmerkungen: Zusätzliche Optionen wie Liftkurven , Vorhersagen speichern , Vorhersageformel speichern , Wahrscheinlichkeitsformel speichern sowie Wahrscheinlichkeitsformeln veröffentlichen sind über das obere rote Dreieck zugänglich.
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp (Hilfe > Beispieldatenordner)
Besuchen Sie „Vorhersage- und Spezialmodelle > Naive Bayes“ in der JMP-Hilfe , um mehr zu erfahren.
