36890_es-ES

liliconcom

Ayuda para elegir el análisis JMP para múltiples factores

¡Hola! Estoy usando JMP 13 (regular) y aprendiendo sobre modelos predictivos y especializados.

 

Tengo un conjunto de datos (adjunto) con más de 100,000 observaciones de un proceso.  El 75% de las observaciones tuvo una duración de 4 días o menos.  Me gustaría saber por qué algunas observaciones tardaron más de 4 días.  He identificado algunos posibles factores: 1 continuo y 16 categóricos.

 

¿Puede por favor sugerir uno o más análisis JMP que pueda aplicar a los datos?

Re: Ayuda a elegir el análisis JMP para múltiples factores

Cada vez que comienzo un ejercicio de modelado predictivo, especialmente si heredé los datos de otro lugar con poco conocimiento de cómo, dónde, cuándo y en qué circunstancias se recopilaron los datos, dedico algo de tiempo a lo que llamo "familiarización con los datos". ' modo. Busco cosas como la calidad de los datos, observaciones inusuales o sospechosas, valores faltantes (no tiene ninguno de estos), valores sin sentido y cualquier otra característica que sobresalga de mí que pueda hacer que el modelado sea problemático. Siempre empiezo con la plataforma de Distribución para obtener una idea de "¿Dónde está el medio, qué tan dispersos están los datos, y hay algo extraño o inusual?" A partir de ahí, especialmente con un conjunto relativamente pequeño de variables predictoras, solo uso la plataforma Fit Y by X para buscar relaciones entre predictores y respuestas ... y comparo lo que veo con mi conocimiento de proceso / dominio. Si un diagrama de dispersión demuestra que 'el agua corre cuesta arriba' (en otras palabras, es una ley contraria a la física, química, biología, comportamiento socioeconómico, etc.), entonces empiezo a sospechar y suspendo el trabajo de modelado hasta que llego al fondo de los problemas.

 

La limpieza y preparación de datos nunca es divertida ... y requiere trabajo ... pero es absolutamente necesario.

Re: Ayuda a elegir el análisis JMP para múltiples factores

Hola Peter, gracias por los comentarios sobre las variables categóricas en mis datos.  No me di cuenta de que algunos solo tenían valores de 1, y otros tenían valores en proporciones muy bajas.  Creo que volveré y aprenderé más sobre estas variables categóricas para ver si puedo excluirlas de mi análisis.

 

Re: Ayuda a elegir el análisis JMP para múltiples factores

Otra característica con los datos en bruto, es una alta proporción de las x variables categóricas en el nivel '1' o '0' con una proporción relativamente baja en el otro nivel para esa variable en particular ... en el 99% para 1% y rango superior / inferior para muchos de ellos. Me aseguraría de pasar un tiempo reflexionando sobre mis esquemas de validación cruzada y validación de modelos. Ya que no está ejecutando JMP Pro, esto creará algo de trabajo para usted ... pero con muy pocas observaciones de todas las variables categóricas en uno de los niveles para cualquier x variable categórica, me preocupa la validación cruzada, el sobreajuste o simplemente no hay suficientes observaciones en el nivel de proporción inferior para que una señal suba por encima del ruido. 

Re: Ayuda a elegir el análisis JMP para múltiples factores

Eché un vistazo rápido a los datos en bruto. ¿Sabe que algunas de las variables X están solo en "1"?

Re: Ayuda a elegir el análisis JMP para múltiples factores

Una vez que se construye la columna de destino, puede comenzar con una partición o regresión logística.

 

Dividir

http://www.jmp.com/support/help/Partition_Models.shtml

Webcast: https://www.jmp.com/en_us/events/ondemand/building-better-models/decision-trees.html

 

Regresión logística

http://www.jmp.com/support/help/Logistic_Analysis.shtml#274628

Re: Ayuda a elegir el análisis JMP para múltiples factores

De nada,
Los árboles de decisión son una buena forma rápida de ver el posible impacto y puede utilizar una columna de indicador.
Una fórmula de columna simple como:
Si (: Horas> 4, 1, 0)

A continuación, puede cambiar el tipo de modelo a nominal y utilizarlo como respuesta.

Mejor,

Chris

Re: Ayuda a elegir el análisis JMP para múltiples factores

Hola Chris. Sí, la columna Y es el número de días. Gracias por la sugerencia de crear una columna de indicador basada en ella.

Re: Ayuda a elegir el análisis JMP para múltiples factores

Supongo que la columna Y es el número de días? Si es así, se puede hacer una columna de indicador para representar aquellas observaciones que son> 4 días y luego usarla para modelar y ver qué variables tienen el mayor impacto en la predicción de la variable indicadora.

 

Chris