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.
|
［ヘルプ］>［サンプルデータライブラリ］を選択し、「Boston Housing.jmp」を開きます。
|
|
2.
|
|
3.
|
「持ち家の価格」を［Y, 目的変数］に指定します。
|
|
4.
|
|
5.
|
［OK］をクリックします。
|
|
6.
|
「検証データ抽出確率」に「0.2」と入力します。
|
|
7.
|
「乱数シード値」に「1234」と入力します。
|
|
9.
|
「説明変数の変換」オプションをオンにします。
|
|
10.
|
［実行］をクリックします。
|
「ニューラル」レポートのようなレポートが作成されます。
図4.6 「ニューラル」レポート
検証セットのR2乗は、0.913と高い値になっています。このことは、学習に使用されなかったデータについても、モデルの予測能力が高いことを示します。モデルのあてはめを示すもう一つの指標として、「モデル」の赤い三角ボタンのメニューから［予測値と実測値のプロット］を選択します。予測値と実測値のプロットのようなプロットが作成されます。
図4.7 予測値と実測値のプロット
図4.8 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、変数の「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、生徒と先生の比率が高くなるほど、中央値が低くなる傾向があることを意味します。