無料のオンラインコースで詳細をご覧ください。
産業問題解決のための統計的思考
このビデオでは、JMPProで予測モデルを比較および選択する方法を示します。 データセットBodyfat07を使用して、使用可能なすべての予測子を使用して、継続的な％Fatの予測モデルを適合させます。
検証2列は、データをトレーニング、検証、およびテストセットに分割します。
一般化された回帰を使用して、3つの線形モデルを構築しました。 また、回帰ツリーと単純なニューラルネットワークを構築しました。
どのモデルが最高のパフォーマンスを発揮するかを判断するために、テストセットの適合統計を調べます。 ただし、複数のモデルを比較する場合、これは少し難しい場合があります。
代わりに、すべてのモデルの式をデータテーブルに保存してから、JMPProのモデル比較プラットフォームを使用してモデルを比較します。
一般化された回帰モデルを保存するには、[列の保存]を選択し、モデルの赤い三角形から[予測式の保存]を選択します。 これにより、予測式の列がモデルのデータテーブルに保存されます。
回帰ツリーモデルをデータテーブルに保存するには、[列の保存]を選択し、モデルの上部の赤い三角形から[予測式の保存]を選択します。
ニューラルネットワークモデルを保存するには、モデルの赤い三角形から[プロファイル式の保存]を選択します。 複数の列をデータテーブルに保存するのではなく、ニューラルモデル全体を1つの予測式の列に保存します。
これらのモデルのパフォーマンスを比較するには、モデル比較プラットフォームを使用します。 これを行うには、[分析]、[予測モデリング]、[モデル比較]の順に選択します。
5つの予測列をY、予測子として選択します。 Y、Predictorsフィールドを空白のままにすることもでき、JMPは予測式を含むすべての列を検索します。
トレーニング、検証、およびテストセットの個別の適合統計を報告するため、BY変数として検証2を選択し、[OK]をクリックします。
データのパーティションごとに個別のレポートが表示されます。
モデルはトレーニングデータを使用して適合され、モデルの複雑さは検証データによって決定されました。 そのため、テストセットの統計を使用して、最もパフォーマンスの高いモデルを選択します。
最適なモデルを簡単に特定できるように、テストセットのRASE（ルート平均二乗誤差）で並べ替えます。 これを行うには、テーブルを右クリックして、[列で並べ替え]を選択します。 次に、[RASE]を選択し、[昇順]ボックスをクリックして、[OK]をクリックします。
これらのデータ用に構築したモデルの中で、最もパフォーマンスの高いモデルは、剪定されたフォワード選択モデルです。 このモデルは、RASEが最も低く、AAEが最も低く、RSquareが最も高くなっています。
数式列をデータテーブルに保存する代わりに、数式デポに公開することもできます。 たとえば、一般化された回帰モデルを見てみましょう。
モデルの[列の保存]メニューから[予測式の保存]を選択する代わりに、[予測式の公開]を選択します。
これにより、モデルがフォーミュラデポに書き込まれます。
ここから、上の赤い三角形を使用してモデル比較プラットフォームを起動したり、モデルを別のデータテーブルに適用したり、さまざまなプログラミング言語でモデルのスコアリングコードを生成したりできます。
モデル比較プラットフォームを使用すると、最もパフォーマンスの高い予測モデルを簡単に比較および選択できます。 Formula Depotを使用すると、モデル比較にアクセスできますが、最適なモデルを新しいデータに簡単に適用することもできます。
