Utilisez cette technique de modélisation prédictive pour prédire une variable catégorielle (classification) en fonction de plusieurs variables explicatives. Cette technique classe les observations en appliquant le théorème de Bayes aux probabilités conditionnelles.
Bayes naïf
- Dans un tableau JMP ® ouvert, sélectionnez Analyser > Modélisation prédictive > Naïf Bayes.
- Sélectionnez une variable de réponse nominale ou ordinale dans Sélectionner les colonnes et cliquez sur Y, Réponse .
- Sélectionnez les variables prédictives candidates et cliquez sur X, Facteur .
- Si vous le souhaitez, saisissez la partie Validation ou sélectionnez une colonne de validation et cliquez sur Validation comme dans cet exemple.
- Cliquez sur OK . JMP affiche :
- Nombre total d'erreurs de classification et taux associés.
- Matrice de confusion détaillant les performances de classification.
- Courbes ROC et valeurs AUC (seuls les résultats concernant les données d'entraînement sont présentés ici).
Remarque : Cliquez sur le triangle rouge en haut et sélectionnez « Profiler » pour afficher un outil interactif présentant la probabilité prédite de chaque classe en fonction des niveaux des variables explicatives. D’autres options, comme « Évaluer l’importance des variables », sont accessibles via le triangle rouge situé à côté de « Profiler de prédiction ». Le profiler pour les trois variables explicatives HDL, IMC et LTG est affiché en bas à droite.
Résultats du classificateur Naive Bayes pour prédire le niveau (faible/élevé) chez 442 patients diabétiques :
• Les données d'entraînement comportent 309 observations. Parmi celles-ci, 66 (21 %) ont été mal classées. 41/(185+41) = 18 % des observations de niveau faible ont été classées à tort comme de niveau élevé. 25/(25+58) = 30 % des observations de niveau élevé ont été classées à tort comme de niveau faible.
• Les données de validation comportent 133 observations. Parmi celles-ci, 32 (24 %) ont été mal classées. 25/(70+25) = 26 % des valeurs faibles
Des observations ont été classées à tort comme étant de niveau élevé. 7/(7+31) = 18 % des observations de niveau élevé ont été classées à tort comme étant de niveau faible.
Remarques : Des options supplémentaires, telles que Courbes de levage , Save Predictives , Formule de prédiction enregistrée , Formule de sauvegarde des probabilités , ainsi que Publier les formules de probabilité , sont accessibles depuis le triangle rouge en haut .
Diabetes.jmp (Help > Sample Data Folder)Diabète.jmp (Aide > Dossier de données d'exemple)
Consultez la section Modèles prédictifs et spécialisés > Naive Bayes dans l'aide de JMP pour en savoir plus.
