JMP®での変数のクラスタリングと重要性の調査 JMPでの変数のクラスタリングと重要性の調査 ®
SAS、JMPテクニカルスチューデント、ライアンJ.パーカー
あずきっく
このプレゼンテーションでは、JMP Proに組み込まれた予測モデルに洞察を与えるための2つの手法を示します。最初の手法である変数クラスタリングは、類似の予測子をクラスターにグループ化することにより、ユーザーのモデル構築プロセスを簡略化するために示されています。ワインの品質に関するデータセットを使用して、この削減が予測力の面で利点をもたらすだけでなく、適合モデルの解釈可能性を向上させる方法を示します。次に、2番目の手法である変数の重要度を使用して、複雑な統計モデルの入力変数の重要度を評価する方法を示します。可能な入力変数の分布を使用して統計モデルの応答の変動性を分解することにより、この方法により、ユーザーはモデルの応答における入力変数の重要性を調べることができます。これらの入力が予測にどのように影響するかを理解するには、どの変数が応答の変動性に最も影響を与えるかを知ることが重要です。ニューラルネットワークなどの複雑な統計モデルを使用して、JMPがモデル内の各予測子の主効果と総効果（考えられるすべての相互作用効果を含む）をどのように見積もるかを示します。このセッションは、JMPの主任研究統計家で研究開発部長のChris Gotwaltが発表します。
予測モデリング
