17028_fr-FR

liliconcom

Besoin d'une meilleure ressource que JMP Aide pour expliquer le partitionnement<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Je regarde un jeu de données qui a 250 lignes et environ 60 colonnes.  J'essaie de partitionner pour faire une première analyse, pour éliminer des facteurs totalement inutiles.  L'aide JMP explique tout ce que signifie la fenêtre de lancement de la partition, mais j'ai besoin de quelque chose de plus en profondeur pour choisir les meilleures valeurs pour la validation et d'autres paramètres.  Des recommandations?

Re: Besoin d'une meilleure ressource que JMP Help pour expliquer le partitionnement

Merci. Très utile… vos conseils et le papier.

Jeff Kolton

Ingénieur d'état-major

Excellence d'entreprise

Fibre de verre

940 Washburn Switch Rd.

Shelby, Caroline du Nord, États-Unis d'Amérique, 28150

Tél.: 704-434-2261 ext. 2374

Courriel: kolton@ppg.com < kolton="">

Web: www.ppg.com <>

Re: Besoin d'une meilleure ressource que JMP Help pour expliquer le partitionnement

Merci. Bonne lecture.

Jeff Kolton

Ingénieur d'état-major

Excellence d'entreprise

Fibre de verre

940 Washburn Switch Rd.

Shelby, Caroline du Nord, États-Unis d'Amérique, 28150

Tél.: 704-434-2261 ext. 2374

Courriel: kolton@ppg.com < kolton="">

Web: www.ppg.com <>

Re: Besoin d'une meilleure ressource que JMP Help pour expliquer le partitionnement

Pour ajouter à ce que mes collègues estimés Lou et Byron ajoutent ci-dessus ... si vous avez JMP Pro, et l'identification des variables est votre objectif principal ... Je suggère d'évaluer vos données à l'aide de plusieurs méthodes basées sur des arbres disponibles dans JMP Pro. Essayez le chemin de l’arbre de décision, puis les méthodes Bootstrap Forest et Boosted Tree. La beauté de ces deux dernières méthodes est, tout bien considéré, le chemin de l’arbre de décision est ce que j’aime appeler un algorithme «vorace», dans la mesure où, à chaque division, il identifie la variable la plus influente. Le bootstrapping et le bagging qui accompagnent l’approche de Bootstrap Forest sont généralement plus aptes à identifier les facteurs d’influence les plus subtils car, occasionnellement, en raison de la sélection aléatoire des colonnes dans la Bootstrap Forest, les facteurs TRES influents ne sont pas inclus dans la création de les facteurs les plus subtils ont une chance de se montrer.

Vous pouvez également utiliser les méthodes de régression pénalisées dans la plate-forme de régression généralisée pour l'identification des variables. Des algorithmes complètement différents ... mais souvent utilisés dans le même but ... identification de variable.

Enfin, n'oubliez pas de sauvegarder les équations de prévision des modèles dans le tableau de données afin de pouvoir utiliser la plate-forme JMP Pro Model Comparison afin de disposer d'un "guichet unique" pour évaluer les performances de ces nombreux modèles de manière très simple à utiliser côte à côte. ..including Prediction Profiler de JMP.

Re: Besoin d'une meilleure ressource que JMP Help pour expliquer le partitionnement

Si vous n'écrivez que des variables, vous n'avez peut-être pas besoin d'une colonne de validation. Vous devriez avoir une colonne de validation si vous utilisez la validation croisée avec pli k, ou si vous construisez un modèle, mais ce n'est pas tout à fait nécessaire pour la réduction du facteur.

J'espère que vous avez JMPv12. Allez à l'onglet "Cols", Utilitaires de modélisation, prédicteurs d'écran. Sélectionnez X et Y et exécutez. Cet outil est idéal pour réduire rapidement les facteurs.

référence ancienne mais bonne sur le fonctionnement de la partition: http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/17_spring_2005.pdf

Re: Besoin d'une meilleure ressource que JMP Help pour expliquer le partitionnement

Il existe un livre blanc sur le site Web JMP et un lien vers un complément utile qui pourrait vous être utile.

@ https://community.jmp.com/docs/DOC-7055

http://www.jmp.com/en_us/whitepapers/jmp/classification-breast-cancer-cells-using-jmp.html

J'ai aussi trouvé des vidéos utiles

https://community.jmp.com/docs/DOC-6806

https://community.jmp.com/docs/DOC-6805