使用此預測建模技術，可以根據多個預測變數預測分類結果。該技術透過將貝葉斯定理應用於條件機率來對觀測值進行分類。
樸素貝葉斯
- 在開啟的 JMP ®表格中，選擇「分析」>「預測建模」>「樸素貝葉斯」。
- 從「選擇列」中選擇名義或有序回應變量，然後按一下「Y，回應」 。
- 選擇候選預測變量，然後按一下X，因子。
- 如果需要，可以輸入驗證部分，或選擇驗證列，然後按一下驗證，如本範例所示。
- 按一下“確定” 。 JMP 顯示：
- 誤分類總數和誤分類率。
- 混淆矩陣詳細說明了分類性能。
- ROC 曲線和 AUC 值（此處僅顯示訓練資料的結果）。
注意：點擊頂部紅色三角形並選擇「分析器」 ，即可顯示一個互動式工具，該工具會根據預測變數的等級顯示每個類別的預測機率。其他選項，例如“評估變數重要性”，可以透過“預測分析器”旁邊的紅色三角形來存取。右下角顯示的是三個預測變數（HDL、BMI 和 LTG）的分析器。
使用樸素貝葉斯分類器預測 442 名糖尿病患者的血糖值（低/高）的結果：
訓練資料中共有 309 個觀測值。其中，66 個（21%）被錯誤分類。低值觀測值中有 41/(185+41) = 18% 被錯誤分類為高值。高值觀測值中有 25/(25+58) = 30% 被錯誤分類為低值。
驗證資料集中共有 133 個觀測值。其中，32 個（24%）被錯誤分類。低值組的 25/(70+25) = 26%。
觀測值被錯誤地分類為高值。 7/(7+31) = 18% 的高值觀測值被錯誤地分類為低值。
注意：其他選項，例如昇力曲線、保存預測值、保存預測公式、保存機率公式以及發布機率公式，均可從頂部紅色三角形存取。
Diabetes.jmp (Help > Sample Data Folder)Diabetes.jmp（幫助 > 範例資料資料夾）
造訪JMP 幫助中的「預測和專用模型 > 樸素貝葉斯」以了解更多資訊。
