预测和专业建模 > 模型比较 > 模型比较的更多示例
发布日期: 11/15/2021

Image shown here模型比较的更多示例

本例使用汽车数据来构建一个预测购买汽车尺寸的模型, 同时比较 Logistic 回归模型和决策树模型。

首先选择帮助 > 样本数据库并打开 Car Physical Data.jmp

创建 Logistic 回归模型

1. 选择分析 > 拟合模型

2. 选择车型并点击 Y

3. 选择以下列并点击添加国家车重转弯半径排气量马力

4. 点击运行

“名义型 Logistic 拟合”报表随即显示。

5. 要将预测公式保存至列,请点击“名义型 Logistic”红色小三角并选择保存概率公式

创建决策树模型并将预测公式保存至列

1. 选择分析 > 预测建模 > 分割

2. 选择车型并点击 Y,响应

3. 选择国家车重转弯半径排气量马力列,并点击 X,因子

4. 确保在“方法”列表中选定了决策树

5. 点击确定

“分割”报表随即显示。

6. 点击 10 次拆分

7. 要将预测公式保存至列,请点击“分割”红色小三角并选择保存列 > 保存预测公式

比较模型

1. 选择分析 > 预测建模 > 模型比较

2. 选择以 Prob 开头的所有列,并点击 Y,预测变量

3. 点击确定

图 11.8 最初的“模型比较”报表 

Image shown here

该报表显示“分割”模型的“熵 R 方”和“广义 R 方”的值略高,而“误分类率”的值略低。

4. 点击“模型比较”红色小三角并选择 ROC 曲线

显示了针对每个车型的 ROC 曲线,图 11.9 显示了其中一条曲线。

图 11.9 车型为“Medium”的 ROC 曲线 

Image shown here

通过查看所有 ROC 曲线,您会发现这两个模型的预测能力差不多。

5. 点击“模型比较”红色小三角并选择 AUC 比较

显示了针对每个车型的“AUC 比较”报表,图 11.10 显示了其中一个报表。

图 11.10 车型为“Medium”的 AUC 比较 

Image shown here

该报表显示了两个模型的 AUC 值(ROC 曲线下面积)之间的差值的假设检验结果。通过检查这些结果,您会发现车型的任何水平的 AUC 值之间都不存在统计差异。

您可以得出结论认为这两个模型的预测能力没有很大的差异,原因如下:

R 方值和 ROC 曲线相似。

AUC 值之间不存在统计上的显著性差异。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).