<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Squadra,
Brady Brady e Scott Wise hanno presentato una presentazione molto apprezzata sulla creazione di robusti modelli lineari usando la regressione lineare generalizzata (GLR) alla conferenza JSM del 2015 a Seattle, WA, l'8/10/15. Il pubblico è rimasto colpito dalla facilità d'uso e dalla flessibilità della nuova piattaforma di regressione lineare generalizzata in JMP Pro 12. Una versione più lunga della presentazione sarà anche presentata alla prossima conferenza Discovery 2015 a San Diego, in California.
Allegando per richiesta:
- JSM Genreg.jrn> Diario utilizzato durante la presentazione (incluse diapositive con script)
- Sud Africa Heart Disease 2.jmp> Demagra di Genreg Elastic Net che include script di confronto del modello aggiuntivo
---------------------
Scott Wise, JMP Principal Systems Engineer, SAS
Brady Brady, tecnico abilitazione tecnica JMP, SAS
Creazione di robusti modelli lineari usando la regressione lineare generalizzata (GLR)
Le tecniche di regressione penalizzata sono una valida alternativa agli approcci di modellazione lineare tradizionale, in particolare nei casi in cui vengono violati i presupposti tipici di ortogonalità, omoschedasticità o normalità di risposta. Possono anche essere usati per selezionare automaticamente quali predittori sono più utili nel predire una determinata risposta. Sebbene queste tecniche non siano nuove, il loro uso nelle impostazioni applicate è stato storicamente limitato, a causa sia della loro spesa computazionale che della relativa oscurità al di fuori del mondo accademico. Oggi, la proliferazione di computer potenti e convenienti rende possibile l'implementazione di queste tecniche nel software di analisi desktop. Questa sessione spiegherà le tecniche di regressione penalizzate ed esplorerà l'uso della personalità della regressione generalizzata della piattaforma JMP Fit Model. I partecipanti scopriranno che questi modelli sono facili da configurare, eseguire e analizzare, ma sono robusti in presenza di valori anomali, input correlati e risposte non normali e / o prive di influsso.
Nel diario mancano alcuni script (ad esempio, bias vs. regressione)
Questo set di dati è incluso in Trevor Hastie Gli elementi dell'apprendimento statistico , un popolare testo di apprendimento automatico.
Informazioni richieste sulla fonte e sul retroscena dei dati:
Una descrizione del set di dati è al link sottostante. Come scoprirai, CHD è "malattia coronarica" e il set di dati è un sottoinsieme di un set di dati di un articolo di un giornale del 1983.
Saluti,
Brady
https://web.stanford.edu/~hastie/ElemStatLearn/datasets/SAheart.info.txt
