연속형 반응이 있는 부스티드 트리의 예
이 예에서는 명목형 요인과 연속형 요인의 조합이 주어졌을 때 체지방률을 예측하기 위해 부스티드 트리 모형을 생성합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Body Fat.jmp 샘플 데이터 테이블을 엽니다.
2. 분석 > 예측 모델링 > 부스티드 트리를 선택합니다.
3. Percent body fat을 선택하고 Y, 반응을 클릭합니다.
4. Age (years) ~ Wrist circumference (cm)를 선택하고 X, 요인을 클릭합니다.
5. Validation을 선택하고 검증을 클릭합니다.
6. 확인을 클릭합니다.
7. 확인을 클릭합니다.
그림 6.4 연속형 반응에 대한 전체 통계량
"전체 통계량" 보고서에는 부스티드 트리 모형에 대한 R² 및 RASE가 제공됩니다. 검증 데이터 집합의 R²은 0.611입니다. 검증 데이터 집합의 RASE는 약 5.43입니다.
모형과 별개로 Percent body fat에 대해 중요한 예측 변수를 나타내려고 합니다.
8. "Percent body fat에 대한 부스티드 트리" 옆의 빨간색 삼각형을 클릭하고 프로파일러를 선택합니다.
9. "예측 프로파일러" 옆의 빨간색 삼각형을 클릭하고 변수 중요도 평가 > 독립 균등 입력을 선택합니다.
참고: 변수 중요도 평가에는 랜덤화가 사용되므로 Figure 6.5의 결과와 정확히 일치하지 않을 수 있습니다.
그림 6.5 변수 중요도의 요약 보고서
"요약 보고서"에서는 Abdomen circumference (cm)가 Percent body fat의 가장 중요한 예측 변수임을 보여 줍니다.