この予測モデリング手法を用いて、複数の予測変数の関数としてカテゴリカルな結果を予測（分類）します。この手法は、ベイズの定理を条件付き確率に適用することで、観測データを分類します。
ナイーブベイズ
- 開いている JMP ®テーブルから、 [分析] > [予測モデリング] > [Naive Bayes] を選択します。
- 「列の選択」から名義または順序の応答変数を選択し、 「Y、応答」をクリックします。
- 候補となる予測変数を選択し、 「X、因子」をクリックします。
- 必要に応じて、検証部分を入力するか、この図で使用されているように検証列を選択して「検証」をクリックします。
- 「OK」をクリックします。JMP には次の画面が表示されます。
- 誤分類の総数と率。
- 分類パフォーマンスを詳細に示す混同行列。
- ROC 曲線と AUC 値 (ここにはトレーニング データの結果のみが表示されています)。
注：上部の赤い三角形をクリックし、 「プロファイラー」を選択すると、各クラスの予測確率を予測変数の水準の関数として表示するインタラクティブツールが表示されます。 「変数の重要度を評価」などの他のオプションは、「予測プロファイラー」の横にある赤い三角形からアクセスできます。右下には、3つの予測変数（HDL、BMI、LTG）のプロファイラーが表示されています。
442人の糖尿病患者からレベル（低/高）を予測するナイーブベイズ分類器の結果：
• トレーニングデータには309個の観測値があります。このうち66個（21%）が誤分類されました。「Low」の観測値のうち41/(185+41) = 18%が「High」として誤分類されました。「High」の観測値のうち25/(25+58) = 30%が「Low」として誤分類されました。
• 検証データには133の観測値があります。このうち32（24%）が誤分類されました。25/(70+25) = 低位の26%
観測値は「高」と誤分類されました。「高」観測値の 7/(7+31) = 18% が「低」と誤分類されました。
注:リフト曲線、予測値の保存、予測式の保存、確率式の保存、確率式の公開などの追加オプションは、上部の赤い三角からアクセスできます。
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp (ヘルプ > サンプルデータフォルダ)
詳細については、 JMP ヘルプの「予測モデルと特殊モデル > 単純ベイズ」を参照してください。
