バイナリ出力を与えるプロセスを分析するには?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />製造プロセスのアウトプット (合格または拒否) に対する入力変数 (約 30 の入力) の影響を研究しています。 この分析を行う方法はありますか？
これをフィッティングしてみましたが、Rsquare 値はわずか 4 ～ 5% です。 この点であなたの助けは非常に高く評価されています.
Re: バイナリ出力を生成するプロセスを分析するにはどうすればよいですか?ここにいくつかの他のアイデアがあります：
1. 変数識別のビジネスに携わっている場合は、JMP および JMP Pro のパーティション プラットフォームのいずれかを試すことをお勧めします。JMP Pro をお持ちの場合は、一般化回帰プラットフォームまたは PLS - 判別分析プラットフォームのワークフローを試してください。 私は PLS - DA プラットフォームが好きで、古典的なロジスティック回帰プロセスが苦労する、広くて浅いデータの状況に適しています。 ニューラルネットは、JMP Pro なしでも可能です。
2. 上記は、真の予測モデルを構築しようとしている場合にも使用できます。 その場合も、JMP Pro (バージョン 13) をお持ちの場合は、'実稼働予測モデル' スコア コードを実稼働環境にエクスポートしたい場合に、フォーミュラ デポ機能を調べてください...たとえば、データベース.
3. JMP Pro をお持ちの場合 (これは JMP でも実行できますが、より多くの作業が必要です)、柔軟なモデル検証機能を使用して、元のデータのトレーニング、検証、およびテスト セグメントを作成します。 やみくもにモデルを使用する前に、分類ミスの全体的な割合とタイプを検討することが重要です。 これらの混同行列を見てください。 この例では、ROC 曲線も見てみたいと思います。
4. JMP Pro をお持ちの場合は、モデル比較プラットフォームを使用して、複数のモデルを簡単に比較できます。
Re: バイナリ出力を生成するプロセスを分析するにはどうすればよいですか?もう 1 点: 二項回帰の McFadden の疑似 R 二乗統計は、JMP のエントロピー R 二乗によって与えられます。0.2 ～ 0.4 の値は普通と見なされ、0.4 を超えると非常に良いと見なされます。
Re: バイナリ出力を生成するプロセスを分析するにはどうすればよいですか?また、Y 変数が序数または名義のいずれかであり、連続していないことを確認してください。JMP は、Fit Y by X プラットフォームでロジスティック回帰を自動的に実行します。上記の私の記事は、ロジスティック回帰が何であるかを理解するのに役立ちます.野球のデータを使用して、選手が殿堂入りする可能性に対する打率の影響を判断します (バイナリ出力: 0 = アウト、1 = イン)。打率は継続的なインプットです。
Re: バイナリ出力を生成するプロセスを分析するにはどうすればよいですか?http://www.qualitydigest.com/inside/quality-insider-article/babe-ruth-and-binary-logistic-regression.html
上記のリンクで、バイナリ ロジスティック回帰に関する私の Quality Digest の記事を参照してください。これはまさにあなたが必要としているもののようです！
お役に立てれば！
