무료 온라인 과정에서 자세히 알아보세요.
산업문제 해결을 위한 통계적 사고
이 비디오에서는 화학 제조 예를 들어 범주형 응답에 대한 분류 트리를 맞추고, 성능 .
이를 위해 분석 메뉴에서 예측 모델링을 선택한 다음 파티션을 선택합니다.
우리는 선택한다 성능 Y, 응답 변수로.
그런 다음 두 예측변수 그룹을 X, 요인으로 선택합니다.
파티션 그래프의 수평선은 전체 합격률을 나타냅니다. Performance가 Accept인 경우 포인트는 선 아래에 무작위로 분산되고, Performance가 Reject인 경우 포인트는 선 위에 무작위로 분산됩니다. 더 잘 볼 수 있도록 Color Points를 클릭하겠습니다.
초기 모델에는 노드가 하나 있습니다. 몇 가지 세부정보를 더 추가해 보겠습니다. 이를 위해 상단 빨간색 삼각형에서 표시 옵션을 선택한 다음 분할 개수 표시를 선택합니다.
두 결과 모두에 대한 비율과 관찰 횟수를 볼 수 있습니다. 90개의 배치 중 14개가 거부되었습니다.
분류 트리를 생성하려면 노드의 빨간색 삼각형을 사용하여 지정된 분할을 적용할 수 있습니다. 또는 분할 버튼을 사용할 수도 있습니다. 분할 버튼을 한 번 클릭하겠습니다.
첫 번째 분할은 변수 Base Assay에서 이루어집니다. Base Assay가 97.9 미만인 경우 거부율은 0.4167입니다. 그렇지 않으면 거부율은 0.0606입니다.
JMP는 Prob 값도 보고합니다. 이는 모델을 기반으로 예측된 클래스 멤버십 확률입니다. 이 값은 확률이 항상 0이 아닌지 확인하는 가중치를 포함하므로 비율과 약간 다릅니다.
다시 나누자.
이번에는 기본 분석이 97.9 미만일 때 모델 분할이 Carbamate 양으로 이루어집니다. 이 분기에서 Carbamate 양이 1.1보다 작으면 거부 확률은 1.0이지만 Carbamate 양이 1.1보다 크거나 같으면 거부 확률은 0.22입니다.
더 자세히 나누기 전에 우리가 만들고 있는 모델을 자세히 살펴보겠습니다. 이를 위해 상단 빨간색 삼각형에서 Leaf Report를 선택합니다.
분류 트리가 일련의 If-Then 문임을 알 수 있습니다. 한 번 더 나누자.
이제 모델이 Vessel Size로 분할되었습니다. 이 모델에 따르면 기본 분석이 97.9 이상이고 용기 크기가 500 또는 750인 경우 거부 확률이 가장 낮습니다. 이 예측 확률은 0에 가깝습니다!
거부 확률이 가장 높은 경우는 Base Assay가 97.9 미만이고 Carbamate Amount가 1.1 미만인 경우입니다.
이러한 노드 중 일부에는 관측값이 많지 않습니다. 이것은 분류 트리를 위한 작은 데이터 세트입니다. 더 이상 분할이 불가능할 때까지 계속 분할할 수 있습니다. 그러나 이로 인해 모델이 과적합될 수 있습니다.
관측치가 거의 없는 노드에서 모델이 분할되지 않도록 하려면 모델을 작성하기 전에 최소 분할 크기를 설정할 수 있습니다.
설명을 위해 Prune 버튼을 사용하여 모델을 다시 하나의 노드로 정리하겠습니다.
최소 분할 크기로 10을 사용하겠습니다. 이를 설정하려면 위쪽 빨간색 삼각형에서 최소 분할 크기를 선택하고 값을 입력한 다음 확인을 클릭합니다.
이제 분할 버튼을 몇 번 클릭해 보겠습니다.
최종 모델에는 4개의 분할이 있습니다. 낮은 Base Assay와 낮은 Carbamate 양의 조합이 문제라는 것을 쉽게 알 수 있습니다. 거부된 사람의 절반 이상이 이 지점에 있습니다!
