잠재 고객은 JMP Pro를 평가하고 있으며 처음에는 우리 모두를 불쾌하게 만들었던 적합 모델-> 명목 형 로지스틱 회귀 특성을 사용하여 JMP 경고 경고에 부딪 쳤지 만 추가 검토를 통해 파악했습니다. 교훈을 얻었습니다. 부분적으로,이 작은 이야기는 무엇보다도 의도 된 모델링 및 실제 목적에 대한 데이터 세트의 적합성을 평가하기 위해 모델링 전에 결 측값 탐색 및 결측 데이터 패턴과 같은 플랫폼을 사용하는 것의 가치를 지적합니다.
모델링 작업을 처음 실행하면 고객은 2 단계의 명목상의 응답을받습니다. 본질적으로 합격 / 불합격 응답 (은행 신용 가치 유형 문제). 약 50 개의 예측 변수, 연속 및 명목 모델링 유형 x의 혼합 그들은 모든 x를 하나의 구성 모델 효과 창으로 던지기로 결정했습니다. JMP 경보 메시지에 응답에 둘 이상의 레벨이 필요하다는 경보가 표시되었습니다. 그런 다음 연속 예측 변수 만 피팅하는 것과 같은 몇 가지 대안 모델을 시도했습니다. "왜이 경고가 표시됩니까? JMP가 일부 모델의 작동을 중지하지만 다른 모델에서는 작동하지 않습니까?"
나는 이것을 조금 숙고했고 우리가 발견 한 것은 모든 예측 변수 중 모든 결측 값 행의 조합 세트가 본질적으로 결측 값으로 인해 하나의 완전한 수준의 반응이 적합에서 제외되는 조건을 생성했다는 것입니다.
우리가 이것에 약간의 시간을 보낸 후에는 완벽하게 이해가되었습니다 ... 그리고 아무것도 없다면 이것은 분석 전에 데이터에 JMP Pro를 사용하는 것에 대한 추가 대화를 불러 일으 킵니다 ... 그리고 정보 누락, 대치 등 누락을 처리하는 다양한 방법.
고스트 데이터 누구?
예! 이것을 블로그 게시물로 작성하십시오! 절차를 논의하고 설명하기 위해 귀하와 빠른 통화를 할 수 있습니다.
고마워, 피터 당신은 맞습니다 이것들은 좋은 교훈이며 훌륭한 블로그 게시물을 만들 것입니다. 아리따움 작성하는 데 도움이 필요한 경우 올바른 방향으로 안내 할 수 있습니다.
