決策樹問題你好，
我創建了一個簡單的 DOE 表格（如附件所示），並嘗試進行決策樹分析，但 JMP 沒有產生預期的結果。
任何意見都歡迎提出。
謝謝，
長的
基礎資料分析與建模回覆：決策樹問題嗨@LGH ，
歡迎加入社群！
我建議您在論壇發布之前先閱讀@jthi的帖子“快速獲得正確問題的正確答案” ，因為您沒有解釋您期望的結果以及您從決策樹中獲得的結果。
如果您的資料集來自設計實驗（DoE），為什麼不使用 JMP 中預設提供的最小平方法模型迴歸呢？
您的問題是否源自於樣本量過小，導致決策樹無法分割資料（因此，在使用決策樹「預設」功能時，既沒有結果也無法進行分割）？如果是，請點擊決策樹旁邊的紅色三角形開啟選項，並將「最小分割大小」（預設值為 5）變更為其他值，以使決策樹能夠適應您的情況（例如，2 也可以，您可以進行一次分割）。
JMP 中此決策樹參數的預設設定旨在避免過擬合：它創建的決策樹會根據變數完美地分割樣本，從而產生一個葉節點樣本量很小的完美模型，但實際上，當用於預測新的未見樣本（測試資料集）時，該模型幾乎毫無用處且魯棒性差。實際上，要使用此類機器學習模型，您需要驗證策略，使用訓練集、驗證集和測試集。有一些方法可以避免過度分割資料集，從而避免將其用於模型訓練（例如交叉驗證、留一法等），但最終您仍然需要一個測試集來確保測試集的預測性能與訓練集/驗證集的預測性能一致。您可以在論壇「交叉驗證 - 驗證列方法/ 如何在機器學習模型（例如神經網路和隨機森林）上執行 k 折交叉驗證並檢查模型在固定測試資料上的表現？」中閱讀一些關於此主題的討論。
請注意，在本例中，由於資料集較小且結果與因子 C 之間存在線性關係，因此使用線性迴歸模型或平台 Fit Y by X 得到的結果相同：
希望這個回答能給你一些啟發。
回覆：決策樹問題嗨，維克多，
非常感謝您的回覆。是的，我的問題是由於樣本量太小而無法進行分組。您的指導有效。
問候，
長島
