この例では、「Boston Housing.jmp」データテーブルを使用します。地域ごとの住宅価格の中央値を、その地域の地理的特性によって予測するモデルを作成してみましょう。次の手順に従ってニューラルネットワークモデルを作成します。
1.
[分析]>[予測モデル]>[ニューラル]を選択して、「ニューラル」プラットフォームを起動します。
2.
「持ち家の価格」[Y, 目的変数]に指定します。
3.
その他の列(「犯罪率」から「低所得者」まで)を[X, 説明変数]に指定します。
4.
[OK]をクリックします。
5.
「検証データ抽出確率」に「0.2」と入力します。
6.
「乱数シード値」に「1234」と入力します。
8.
「説明変数の変換」オプションをオンにします。
9.
[実行]をクリックします。
図3.6 のようなレポートが作成されます。
図3.6 「ニューラル」レポート
図3.7 予測値と実測値のプロット
X変数が予測値に与える影響を把握するため、「モデル」の赤い三角ボタンのメニューから[プロファイル]を選択します。図3.8 のようなプロファイルが表示されます。
図3.8 プロファイル
変数の中には、プロファイルの傾きが正のものと負のものがあります。たとえば、「部屋数」は傾きが正です。地域において部屋数が多い家が多いほど、住宅価格の中央値は高くなることを示します。「先生と生徒の比」は、町ごとに求められた、先生1人あたりの生徒数です。この変数の傾きは負です。これは、先生1人あたりの生徒数が多いほど、その町の住宅価格が低くなる傾向があることを意味します。