모델링 및 다변량 분석 (Weisz)을 최대한 활용JMP의 모델링 및 다변량 플랫폼은 강력한 분석 기술을 손쉽게 사용할 수 있습니다. 모델 시각화 및 데이터 검색 도구를 최대한 활용하는 방법을 알아보십시오. 이 세션에서는 설명 및 예측 모델링, X와 Y의 관계를 알 때 모델링 및 다변량 플랫폼을 사용하여 X의 구조를 이해합니다.
모델링 역할
- 기술 모델 : 패턴 및 추세를 설명하는 계약 데이터
- 예측 모델 : 패턴 및 추세를 사용하여 새 데이터에 대한 예측
모델 형식을 알고 있다면 ...
JMP Pro에서 예측 모델을 작성하고 모델을 비교하는 방법
- 관측치가 1,000보다 작은 경우 K-Fold 교차 검증을 사용하십시오.
- k- 폴드 교차 검증
- k는 데이터의 무작위로 분할 된 부분 집합의 수입니다.
- 1 개의 파티션이 유효성 검사에 사용되고 k-1이 교육에 사용됩니다
- 프로세스가 k 번 반복되고 결과가 결합됩니다
- n이 100보다 크면 K는 5와 10 사이 여야합니다.
- n이 100보다 작거나 같은 경우, 각 k 폴드 그룹의 샘플 수는 약 1 또는 2 여야합니다. 따라서 각 교육 세트는 데이터 크기에 매우 가깝고 유효성 검사를 위해 소수의 레코드 만 보류됩니다.
- n> 1,000 인 경우 단순 또는 계층화 된 무작위 샘플링을 사용하여 학습, 검증 및 테스트 데이터 파티션을 사용하십시오.
교육, 검증 및 테스트 데이터 파티셔닝
- 교육 및 유효성 검사를 위해 유효성 검사 열 (0,1)을 만듭니다. 0,1,2-교육, 검증 및 테스트 용)
- 적합 모델, 신경 및 파티션 플랫폼에서 유효성 검사 열 사용
- 일반적으로 백만 개 이상의 관측치에 대해 교육하지 마십시오.
- 유효성 검사를 위해 데이터의 30 % 이상 사용
- 희귀 사건의 경우 희소 관측치에 대한 오버 샘플링 또는 업 가중치를 고려하여 모형이 희귀하지 않은 데이터에만 적합하지는 않습니다.
- R2, RSA (root Averaged Squared Error) 및 AAE (Average Absolute Error) 비교
- Model Comparison 플랫폼을 사용하여 모델 시각화 및 비교
공선 성을 가진 모델 작성
모델링
