나이브 베이즈 플랫폼 시작

분석 > 예측 모델링 > 나이브 베이즈를 선택하여 나이브 베이즈 플랫폼을 시작합니다.

그림 8.6 나이브 베이즈 시작 창 

"열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 열 필터 메뉴의 JMP 사용에서 확인하십시오.

나이브 베이즈 시작 창에는 다음과 같은 옵션이 있습니다.

Y, 반응

관심 클래스가 값인 범주형 반응 열입니다.

X, 요인

범주형 또는 연속형 예측 변수 열입니다.

가중치

분석의 각 행에 가중치를 할당하는 숫자 값이 포함된 열입니다.

빈도

분석의 각 행에 빈도를 할당하는 숫자 값이 포함된 열입니다.

검증

검증 데이터 집합을 정의하는 숫자 열입니다. 이 열에는 최대 세 개의 구분되는 값이 포함되어야 합니다.

– 열의 고유 값이 세 개인 경우 다음과 같습니다.

가장 작은 값이 있는 행이 훈련 데이터 집합에 사용됩니다.

중간 값이 있는 행이 검증 데이터 집합에 사용됩니다.

가장 큰 값이 있는 행이 테스트 데이터 집합에 사용됩니다.

– 열의 고유 값이 두 개인 경우 훈련 데이터 집합과 검증 데이터 집합만 사용됩니다.

– 검증 열에 네 개 이상의 수준이 있는 경우 가장 작은 세 개의 값을 포함하는 행이 검증 데이터 집합을 정의합니다. 다른 모든 행은 분석에서 제외됩니다.

나이브 베이즈 플랫폼에서는 검증 열을 사용하여 모형을 훈련하고 평가합니다. 검증에 대한 자세한 내용은 JMP 모델링의 검증에서 확인하십시오.

"열 선택" 목록에서 아무 열도 선택하지 않은 상태로 "검증" 버튼을 클릭하면 데이터 테이블에 검증 열을 추가할 수 있습니다. "검증 열 생성" 유틸리티에 대한 자세한 내용은 검증 열 생성에서 확인하십시오.

기준

개별 분석을 정의하는 수준이 포함된 하나 이상의 열입니다. 지정된 열의 각 수준에 대해 해당 행은 사용자가 지정한 다른 변수를 사용하여 분석됩니다. 결과는 개별 보고서에 제공됩니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 분석이 생성됩니다.

검증 데이터 비율

검증 데이터 집합으로 사용할 데이터 비율을 지정합니다.

참고: 시작 창에서 검증 열 또는 검증 데이터 비율을 지정하지 않은 경우 제외된 행이 있으면 이러한 행은 검증 데이터 집합으로 처리됩니다. 검증에 대한 자세한 내용은 JMP 모델링의 검증에서 확인하십시오.

사전 편향

사전 편향 값을 설정합니다. 이 값을 반응 수준의 수로 나눈 후 0이 아닌 비율 추정값을 보장하기 위해 결과 수량을 총계에 더합니다.