モデリングと多変量解析を最大限に活用する（Weisz）JMPのモデリングおよび多変量プラットフォームは、強力な分析手法をすぐに利用できます。モデルの視覚化およびデータ検出ツールを最大限に活用する方法をご覧ください。このセッションでは、記述的および予測的モデリング、XとYの関係がわかっている場合のモデリング、多変量プラットフォームを使用したXの構造の理解について説明します。
役割のモデリング
- 記述モデル：パターンと傾向を説明する契約データ
- 予測モデル：パターンとトレンドを使用して、新しいデータに関する予測を行います
あなたがモデルの形を知っているなら...
JMP Proで予測モデルを作成してモデルを比較する方法
- 観測値が1,000未満の場合、K-Fold交差検証を使用します
- k折り交差検証
- kは、ランダムに分割されたデータのサブセットの数です
- 1つのパーティションは検証に使用され、k-1はトレーニングに使用されます
- プロセスがk回繰り返され、結果が結合されます
- nが100より大きい場合、Kは5から10の間でなければなりません。
- nが100以下の場合、各kフォールドグループのサンプル数は約1または2になります。そのため、各トレーニングセットはデータのサイズに非常に近く、検証のために差し控えられるレコードはごくわずかです
- n> 1,000の場合、トレーニングまたは検証を使用し、単純または層別ランダムサンプリングを使用してデータパーティションをテストします。
トレーニング、検証、テストデータの分割
- 検証列を作成します（トレーニングと検証用に0、1）。0、1、2-トレーニング、検証、テスト用）
- フィットモデル、ニューラル、パーティションプラットフォームで検証列を使用する
- 一般に、100万を超える観測をトレーニングしないでください。
- データの少なくとも30％を検証に使用する
- まれなイベントの場合は、希少な観測値をオーバーサンプリングまたはアップウェイトすることを検討してください。そうすることで、モデルがまれではないデータに適合しないようにします。
- R2、ルート平均二乗誤差（RASE）、平均絶対誤差（AAE）を比較する
- モデル比較プラットフォームを使用したモデルの視覚化と比較
共線性を持つモデルの構築
モデリング
