Analyse de classificateur dans JMP11.<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />En utilisant JMP11, je veux trouver un classificateur à partir d’environ 100 variables, ce qui expliquerait lequel des 30 échantillons entre dans une catégorie ou dans l’autre (0 ou 1). Jusqu'à présent, j'utilise une modélisation par étapes du menu Modèle Fit. Je voudrais voir quel échantillon est classé correctement, et lequel non. Où puis-je voir cela dans le rapport? De plus, j'aimerais pouvoir appliquer l'algorithme à d'autres jeux de données. Où est cette option? Merci pour votre temps.
Re: Analyse du classificateur dans JMP11.Sûr. Pour ce faire, vous devez enregistrer la formule de probabilité dans le menu du triangle rouge du rapport de régression logistique. Cette option permettra d'économiser plusieurs colonnes dans votre table de données, mais vous serez intéressé par la colonne "Le plus probable Y" (où Y est le nom de votre variable de réponse).
Une fois que vous avez la colonne la plus probable, vous pouvez trouver celles qui sont mal classées à l'aide de la sélection de ligne. Menu Lignes -> Sélection de la ligne -> Sélectionner où. Dans la fenêtre Sélectionner des lignes, cochez la case Comparer la colonne et choisissez la colonne de réponse d'origine à gauche et la colonne la plus probable à droite. Assurez-vous de changer le menu déroulant du milieu en «n’est pas égal» avant de cliquer sur OK.
Meilleur,
Michael
Re: Analyse du classificateur dans JMP11.Merci Michael. Je suis convaincu que, à partir de cette matrice de confusion, il doit exister un moyen d’extraire des informations sur les échantillons mal classés.
Re: Analyse du classificateur dans JMP11.Bonjour andreas.scherer ,
Si vous avez exécuté votre modèle étape par étape, vous devriez pouvoir cliquer sur le bouton "Exécuter le modèle" étape par étape pour obtenir un rapport de régression logistique pour le modèle choisi dans cette étape. Dans le menu du triangle rouge logistique, vous pouvez sélectionner Matrice de confusion pour obtenir une matrice d’observations classées correctement et incorrectement.
Meilleur,
Michael
