Casi 40 analistas líderes de servicios financieros, mercadotecnia, investigación y desarrollo y el sector público se reunieron en la oficina de SAS en Manchester, Reino Unido, para descubrir cómo puede crear mejores modelos estadísticos, de manera más rápida y fácil. Sam Gardner, el líder técnico global para JMP Pro , inició el seminario el 25 de septiembre con una encuesta rápida de la audiencia y descubrió que su conocimiento estadístico era generalmente moderado, con algunos miembros de la audiencia que describían su conocimiento como alto o bajo. Una distribución normal entonces!
Después de una introducción al modelado, un mensaje clave que Sam demostró en JMP Pro es que retener los datos a medida que construye un modelo evita el ajuste excesivo. Un delegado preguntó qué tan grande era el tamaño de los datos de retención. Como verdadero estadístico, Sam respondió: "Depende". Durante el transcurso de las demostraciones, Sam y Robert Anderson, el líder técnico del Reino Unido, buscaron responder esta pregunta.
Sam también dio una introducción a árboles de decisión , también conocido como partición recursiva, CHAID y CART. Sam describió los árboles de decisión como construidos a partir de una serie de "if" de instrucciones anidadas que son ramas de un árbol. Sam explicó que los bosques aleatorios y el refuerzo pueden ayudar a construir modelos que extraigan efectos más sutiles u ocultos.
En cuatro estudios de caso:
Robert mostró cómo se podría usar la validación de retención para ayudar a resolver de manera eficiente un problema de ingeniería en la industria de los semiconductores. Sin esta técnica, los ingenieros podrían terminar por callejones sin salida y verificar los buenos pasos del proceso en busca de problemas inexistentes, desperdiciando así recursos valiosos.Sam mostró cómo se puede usar la validación cruzada K-fold para construir modelos de regresión por pasos más robustos, para describir la formulación de suplementos de alimento para animales en I&D agrícola.El siguiente ejemplo de Robert observó la propensión de los clientes de telecomunicaciones a batir. Mostró cómo más avanzado. técnicas de modelado tales como bosques aleatorios, combinados con retener una parte de los datos para decirle al modelo cuándo dejar de construir y otra parte para probar el modelo, pueden ayudar a construir mejores modelos.Sam mostró cómo se pueden usar las redes neuronales para construir modelos flexibles para una aplicación de riesgo. Utilizó las curvas del operador del receptor (ROC) y las curvas de elevación para evaluar los modelos. También comparó una gama de diferentes modelos usando el Plataforma de comparación de modelos . También mostró cómo se puede usar un modelo de promedio para producir un modelo excelente.Varios delegados dijeron que estaban sorprendidos por la velocidad con la que los modelos se pueden construir y comparar en JMP Pro. Otros dijeron que, si bien podían construir modelos con las herramientas que tienen actualmente, era muy difícil explicárselo a los demás. Apreciaron cómo el Perfil de Predicción les permitiría hacer esto y hacer un análisis de escenario o "qué pasaría si" para que los ejecutivos puedan tomar decisiones más informadas.
Algunos preguntaron sobre la implementación del modelo y se mostraron satisfechos al escuchar eso SAS El código de puntuación se puede crear a partir del modelo y la ecuación del modelo se puede codificar fácilmente en otros lenguajes, como SQL.
