Utilizzare un algoritmo basato sulla prossimità per prevedere un risultato categoriale (classificare) o prevedere il valore di un risultato continuo per nuove osservazioni in base ai risultati di osservazioni simili (ovvero, i loro vicini più prossimi).
K Vicini più prossimi
- Da una tabella JMP ® aperta, selezionare Analizza > Modellazione predittiva > K vicini più prossimi.
- Selezionare una variabile di risposta categoriale o continua da Seleziona colonne e fare clic su Y, Risposta . Qui, illustriamo l'utilizzo di una variabile di risposta categoriale.
- Selezionare le variabili predittive candidate e fare clic su X, Fattore .
- Se lo si desidera, immettere la porzione di convalida o selezionare una colonna di convalida e fare clic su Convalida . Fare clic su OK .
JMP visualizza:
- Grafico e tabella che mostrano i tassi di classificazione errata e i conteggi in un intervallo di valori per K.
- Matrice di confusione che descrive in dettaglio le prestazioni di classificazione per il valore di K con il più piccolo tasso di errata classificazione.
- Grafici a mosaico (non mostrati qui) che mostrano graficamente i valori nella matrice di confusione.
Equity.jmp (Help > Sample Data Folder)Equity.jmp (Aiuto > Cartella dati di esempio)
Risultati dei K vicini più prossimi per prevedere il livello di rischio (cattivo/buono)
• Ci sono 1.192 osservazioni nei dati di convalida. Il tasso di classificazione errata è il più basso quando la previsione si basa su 1 solo vicino più prossimo: 85/1.192 (7,1%) sono stati classificati erroneamente. Si noti che il tasso di classificazione errata aumenta con l'aumentare del numero di vicini più prossimi. Di queste classificazioni errate totali nei dati di convalida, 3/(3+194) = 0,3% delle osservazioni di rischio buono sono state classificate erroneamente come rischio cattivo. 80/(80+195) = 29% delle osservazioni di rischio cattivo sono state classificate erroneamente come rischio buono.
• Sono state messe da parte 1.192 osservazioni per i dati di test (risultati non mostrati). Il tasso di errata classificazione totale per queste osservazioni utilizzando 1 vicino più prossimo è del 6,9%. Lo 0,4% delle osservazioni di rischio buono è stato classificato erroneamente come rischio cattivo e il 3,2% delle osservazioni di rischio cattivo è stato classificato erroneamente come rischio buono. Questi risultati sono spesso considerati la stima più accurata di quale sarà il tasso di errata classificazione nei dati futuri, poiché queste osservazioni non facevano parte del processo di addestramento né di selezione del modello.
Note: le opzioni aggiuntive, come Curve di sollevamento , Salvataggio previsioni , Salva formula di previsione e Pubblica formula di previsione , sono accessibili dal triangolo rosso nella parte superiore accanto al nome della variabile di risposta.
Per saperne di più, visita Modelli predittivi e specializzati > K vicini più prossimi nella Guida di JMP .
