Las plataformas de modelado y multivariante en JMP ponen a su alcance potentes técnicas analíticas. Vea cómo aprovechar al máximo las herramientas de visualización de modelos y descubrimiento de datos. Esta sesión cubre el modelado descriptivo y predictivo, el modelado cuando conoce la relación entre X e Y, y el uso de la Plataforma Multivariante para comprender la estructura de la X.
Roles de modelado
- Modelos descriptivos: datos del contrato para describir patrones y tendencias
- Modelos predictivos: use patrones y tendencias para hacer predicciones sobre nuevos datos
Si conoce la forma del modelo ...
- Ajustar una ecuación conocida frente a polinomios
Cómo construir modelos predictivos y comparar modelos en JMP Pro
- Cuando las observaciones son menos de 1,000, use la validación cruzada K-Fold
- Validación cruzada k-Fold
- k es el número de subconjuntos de datos divididos aleatoriamente
- 1 partición se usa para validación, k-1 se usa para entrenamiento
- El proceso se repite k veces, los resultados se combinan.
- Si n es mayor que 100, K debe estar entre 5 y 10
- Si n es menor o igual a 100, el número de muestras en cada grupo de k veces debe ser aproximadamente 1 o 2. Por lo tanto, cada conjunto de entrenamiento es muy cercano al tamaño de sus datos y solo se retienen unos pocos registros para la validación
- si n> 1,000, entonces use entrenamiento, validación y partición de datos de prueba usando muestreo aleatorio simple o estratificado.
Capacitación, validación y particionamiento de datos de prueba
- Cree una columna de validación (0,1 para capacitación y validación. 0,1,2 - para entrenamiento, validación y prueba)
- Use la columna de validación en las plataformas Modelo de ajuste, Neural y Partición
- En general, no entrene en más de 1 millón de observaciones
- Use al menos el 30% de los datos para la validación
- Para eventos raros, considere sobremuestrear o aumentar las observaciones raras, de modo que el modelo no solo se ajuste a los datos no raros
- Compare R2, error cuadrático promediado de raíz (RASE) y error absoluto promedio (AAE)
- Visualice y compare modelos utilizando la plataforma de comparación de modelos
Construyendo Modelos con Colinealidad
- Necesito entender la naturaleza multivariante de la X
