레벨: 중급
직무: 분석가/과학자/엔지니어
Michael Crotty, JMP 선임 통계 작성자, SAS
Marie Gaudard, 통계 컨설턴트
Colleen McKendry, JMP 테크니컬 라이터, SAS
최우수 초청 논문 결선 진출자
변칙 검색이 예측 모델의 목표인 상황에서 기본 데이터는 종종 불균형 클래스 분포를 나타냅니다. 즉, 변칙 클래스는 비변칙 클래스보다 훨씬 작습니다. 모델링 목표는 일반적으로 소수 클래스의 구성원을 식별하는 것입니다. 그러나 예측 모델링 기술을 직접 적용하면 편향되고 부정확한 모델이 생성될 수 있습니다. 이러한 문제를 해결하기 위해 많은 기술이 제안되었습니다. 우리는 불균형 데이터에 대한 예측 모델을 개발할 때 JMP Pro 사용자를 안내하고자 합니다. 우리는 잘 알려지지 않은 클래스로 분류하는 JMP Pro 접근 방식을 다룹니다. 먼저 불균형 클래스 문제의 일반적인 측면인 바이어스, 성능 측정 및 모델링 문제를 해결하기 위한 접근 방식을 설명합니다. 그런 다음 연구에서 사용하는 샘플링 방법에 대해 논의합니다. 여기에는 가중치 부여, 언더 샘플링, 오버 샘플링 및 SMOTE(Synthetic Minority Oversampling Technique)가 포함됩니다. 다양한 클래스 비율을 나타내는 여러 실제 데이터 세트에 대해 이러한 샘플링 방법을 JMP Pro 분류 플랫폼에서 사용할 수 있는 예측 모델과 함께 사용하여 얻은 적합치를 비교합니다. 제한된 범위의 시뮬레이션된 데이터 세트에 대해 샘플링 기술 및 예측 모델에 대한 유사한 탐색을 수행합니다. 시뮬레이션된 데이터 세트의 경우 표준 모델이 클래스 불균형의 영향을 받기 시작하는 과소 표현 정도를 식별하려고 시도합니다. 또한 샘플링 방법과 예측 모델의 상대적인 성능에 대한 결론을 제시합니다.
이제 이 프레젠테이션에서 설명한 분석을 수행하는 추가 기능을 사용할 수 있습니다. 불균형 분류 추가 기능 .추가 기능은 Scripts_and_Results.zip에 있는 스크립트의 기능을 확장합니다.다른 기능 중에서 추가 기능은 R에 의존하지 않고 명목 및 순서 예측 변수를 포함하는 데이터 세트에서 SMOTE, Tomek 및 SMOTE와 Tomek 샘플링을 수행하며 대화 상자의 도움말 버튼을 통해 광범위한 문서를 제공합니다.
실시간 센서 데이터를 처리할 JMP Pro에 내장된 기능이 있는지는 모르지만 약간의 스크립팅을 사용하면 가능할 것이라고 확신합니다. 더 큰 JMP 커뮤니티에 좋은 질문이 될 것입니다.
관심과 질문 감사합니다!
남자 이름
감사해요. 정말 훌륭하고 도움이 됩니다!
한 가지 질문은 JMPpro를 실시간 이상 탐지(예: 센서 데이터)에 사용할 수 있습니까?
감사합니다!
