Verwenden Sie einen auf Nähe basierenden Algorithmus, um ein kategoriales Ergebnis vorherzusagen (Klassifizierung) oder den Wert eines kontinuierlichen Ergebnisses für neue Beobachtungen auf der Grundlage der Ergebnisse ähnlicher Beobachtungen (d. h. ihrer nächsten Nachbarn) vorherzusagen.
K Nächste Nachbarn
- Wählen Sie in einer geöffneten JMP® - Tabelle „Analysieren“ > „Vorhersagemodellierung“ > „K nächste Nachbarn“.
- Wählen Sie unter „Spalten auswählen“ eine kategoriale oder stetige Zielvariable aus und klicken Sie auf „Y, Antwortvariable“ . Hier veranschaulichen wir dies anhand einer kategorialen Zielvariable.
- Wählen Sie Kandidaten-Prädiktorvariablen aus und klicken Sie auf X, Faktor .
- Geben Sie bei Bedarf den Validierungsbereich ein oder wählen Sie eine Validierungsspalte aus und klicken Sie auf Validierung . Klicken Sie auf OK .
JMP-Anzeigen:
- Diagramm und Tabelle mit den Fehlklassifizierungsraten und -anzahlen über einen Wertebereich für K.
- Konfusionsmatrix, die die Klassifizierungsleistung für den Wert von K mit der geringsten Fehlklassifizierungsrate detailliert darstellt.
- Mosaikdiagramme (hier nicht abgebildet), die die Werte in der Konfusionsmatrix grafisch darstellen.
Equity.jmp (Help > Sample Data Folder)Equity.jmp (Hilfe > Beispieldatenordner)
Ergebnisse des K-Nächste-Nachbarn-Algorithmus zur Vorhersage des Risikoniveaus (schlecht/gut)
Die Validierungsdaten umfassen 1.192 Beobachtungen. Die Fehlklassifizierungsrate ist am niedrigsten, wenn die Vorhersage nur auf dem nächsten Nachbarn basiert: 85 von 1.192 (7,1 %) wurden falsch klassifiziert. Die Fehlklassifizierungsrate steigt mit zunehmender Anzahl der nächsten Nachbarn. Von diesen Fehlklassifizierungen in den Validierungsdaten wurden 3/(3+194) = 0,3 % der Beobachtungen mit gutem Risiko fälschlicherweise als schlechtes Risiko klassifiziert. 80/(80+195) = 29 % der Beobachtungen mit schlechtem Risiko wurden fälschlicherweise als gutes Risiko klassifiziert.
Für die Testdaten wurden 1.192 Beobachtungen zurückgestellt (Ergebnisse nicht dargestellt). Die Gesamtfehlklassifizierungsrate dieser Beobachtungen mit dem 1-Nächste-Nachbarn-Verfahren beträgt 6,9 %. 0,4 % der Beobachtungen mit gutem Risiko wurden fälschlicherweise als schlechtes Risiko und 3,2 % der Beobachtungen mit schlechtem Risiko fälschlicherweise als gutes Risiko klassifiziert. Diese Ergebnisse gelten oft als die genaueste Schätzung der Fehlklassifizierungsrate für zukünftige Daten, da diese Beobachtungen weder Teil des Modelltrainings noch des Auswahlprozesses waren.
Anmerkung: Zusätzliche Optionen wie Liftkurven , Speichern von Vorhersagen , Speichern der Vorhersageformel und Veröffentlichen der Vorhersageformel sind über das rote Dreieck oben neben dem Namen der Zielvariablen zugänglich.
Besuchen Sie „Vorhersage- und Spezialmodelle > K Nächste Nachbarn“ in der JMP-Hilfe , um mehr zu erfahren.
