指示预测准确度的 Bagging 示例

Bagging 还用于通过标准误差和其他分布测度指示预测的准确度。在可以在 Bagging 中使用“保存预测公式”选项的平台中，您可以对新观测进行预测并确定它们的准确度。“保存预测公式”选项在“标准最小二乘法”、“广义回归”和“广义线性模型”平台中可用。

在 Tiretread.jmp 数据表中，假定您只想预测作为三个因子变量的函数的磨损。在该示例中，您拟合一个广义回归模型来预测磨损。接着，您对该模型执行 Bagging。最后，您为新观测生成预测并调查该预测的准确度。这通过获取该预测的置信区间来完成。

拟合广义回归模型

1.	选择帮助 > 样本数据库，然后打开 Tiretread.jmp。

2.	选择分析 > 拟合模型。

3.	选择磨损，然后点击 Y。

4.	从“特质”列表选择广义回归。

5.	选择硅石、硅烷和硫磺，然后点击添加。

点击运行。

点击执行。

执行 Bagging

1.	从“使用 AICc 验证的自适应 Lasso”旁边的红色小三角菜单选择刻画器 > 刻画器。

“预测刻画器”显示在报表底部。

2.	从“预测刻画器”旁边的红色小三角菜单，选择保存 Bagged 预测。

3.	在“Bootstrap 样本数”旁边输入 500。

4.	（可选）在“随机种子”旁边输入 4321。

注意：由于放回抽样是随机的，所以结果会有所不同。要重现本例的精确结果，请设置“随机种子”。

5.	确认选择了保存预测公式。

点击确定。

注意：运行它所需的时间可能比 Bagging 改进预测的示例长。更大的样本数可以给出预测分布的更好估计。

返回数据表。对于每个响应变量，有三个分别表示为预测公式 <列名> Bagged 均值、标准误差 <列名> Bagged 均值、<列名> Bagged 标准差的新列。预测公式-磨损 Bagged 均值列是最终预测。

新观测的预测

您现在有数据表中每个观测的磨损预测以及这些预测的标准误差。假定您有一个观测，对应硅石、硅烷和硫磺的新值分别为 0.9、43 和 2。您可以预测磨损响应并获得该预测的置信区间，因为“保存预测公式”选项保存每个 Bagged 模型的回归方程。因此，使用新因子值生成 M 个预测，以创建可能的预测分布。该均值是最终预测，但是分析分布可以告诉您预测的准确度。

1.	在数据表中，选择行 > 添加行。

2.	在要添加的行数框中输入 1，然后点击确定。

3.	在硅石列下，在新行对应的框中键入 0.9。

4.	在硅烷列下，在新行对应的框中键入 43。

5.	在硫磺列下，在新行对应的框中键入 2。

自动计算新行的预测列。

新行的值

选择表 > 转置。

7.	选择“磨损”Bags (500/0) 并点击转置列。

点击确定。

9.	选择分析 > 分布。

10.	选择行 21 并点击 Y，列。

注意：行 21 对应新观测的预测。

11.

点击确定。

12.	从“行 21”旁边的红色小三角菜单，选择显示选项 > 水平布局。

“分布”报表

“分布”报表中的“分布”报表包含有关每个 Bagged 模型的磨损预测值的分布信息。新观测的磨损最终预测值是 104.45，它是所有 M 个 Bagged 预测的均值。该预测的标准误差为 4.56。您还使用分位数创建新预测的置信区间。例如，新预测的 95% 置信区间为 95.89 到 113.00。