Le piattaforme di modellazione e multivariate di JMP mettono a tua disposizione potenti tecniche analitiche. Scopri come sfruttare al massimo gli strumenti di visualizzazione dei modelli e di rilevazione dei dati. Questa sessione riguarda la modellazione descrittiva e predittiva, la modellazione quando si conosce la relazione tra X e Y e l'utilizzo della piattaforma multivariata per comprendere la struttura della X.
Ruoli di modellazione
- Modelli descrittivi: dati del contratto per descrivere modelli e tendenze
- Modelli predittivi: utilizzare modelli e tendenze per fare previsioni su nuovi dati
Se conosci il modulo modello ...
- Adattamento di un'equazione nota rispetto ai polinomi
Come costruire modelli predittivi e confrontare modelli in JMP Pro
- Quando le osservazioni sono inferiori a 1.000, utilizzare la convalida incrociata K-Fold
- Convalida incrociata k-Fold
- k è il numero di sottoinsiemi di dati suddivisi casualmente
- 1 partizione viene utilizzata per la convalida, k-1 vengono utilizzati per l'allenamento
- Il processo viene ripetuto k volte, i risultati vengono combinati
- Se n è maggiore di 100, K dovrebbe essere compreso tra 5 e 10
- Se n minore o uguale a 100, il numero di campioni in ciascun gruppo di piega k dovrebbe essere circa 1 o 2. Pertanto, ogni set di formazione è molto vicino alla dimensione dei dati e solo pochi record vengono trattenuti per la convalida
- se n> 1.000, utilizzare la formazione, la convalida e la partizione dei dati di test utilizzando un campionamento casuale semplice o stratificato.
Partizionamento dei dati di addestramento, convalida e test
- Creare una colonna di convalida (0,1 per l'addestramento e la convalida. 0,1,2 - per formazione, validazione e test)
- Utilizzare la colonna di convalida nelle piattaforme Modello adatto, Neurale e Partizione
- In generale, non allenarti su più di 1 milione di osservazioni
- Utilizzare almeno il 30% dei dati per la convalida
- Per eventi rari, prendere in considerazione il sovracampionamento o il sovrappeso di osservazioni rare, quindi il modello non si adatta solo ai dati non rari
- Confronta R2, errore quadratico medio calcolato (RASE) e errore assoluto medio (AAE)
- Visualizza e confronta i modelli utilizzando la piattaforma di confronto dei modelli
Costruire modelli con collinearità
- È necessario comprendere la natura multivariata della X.
