무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
JMP에서 분류 모델을 피팅할 때 분류에 대한 확률 컷오프는 0.50입니다. 이 비디오에서는 데이터 테이블의 수식 열을 사용하여 분류 컷오프를 변경하는 방법을 알아봅니다.
다른 컷오프를 적용하려면 확률 공식을 데이터 테이블에 저장한 다음 조건부 공식 열을 생성하여 새 컷오프를 지정할 수 있습니다.
다음을 사용하여 분류 컷오프를 변경하는 방법을 살펴보겠습니다. 불결 데이터. 모델이 더 많은 관측치를 다음과 같이 분류하도록 하려면 불합격 , 분류 컷오프를 다음과 같이 변경합니다. 불합격 0.10으로.
그러나 이것은 임의의 값입니다. 사용하는 컷오프 값은 작업 중인 문제의 컨텍스트, 데이터 구조 및 기타 고려 사항을 기반으로 해야 합니다.
예측 모델을 피팅하는 것으로 시작합니다. 로지스틱 회귀 모델을 적합하고 다음을 선택합니다. 확률 공식 저장 로지스틱 모델을 데이터 테이블에 저장하려면 상단의 빨간색 삼각형에서 선택합니다.
이렇게 하면 데이터 테이블에 4개의 새로운 열이 추가됩니다. Logit(로지스틱 모델), 예측 확률 불합격 그리고 통과하다 , 그리고 0.50의 컷오프를 기준으로 가장 가능성이 높은 결과입니다.
두 개의 확률 열이 열 목록에 그룹화됩니다.
새 열을 추가하고 이 열의 이름을 [ 컷오프 확률 실패 = 0.10 ]. 그런 다음 마우스 오른쪽 버튼을 클릭하고 선택합니다. 공식 수식 편집기를 입력합니다.
필요한 수식을 만드는 단계는 다음과 같습니다.
- 기능 목록에서 선택 가정 어구 , 그리고 만약에 , IF 문을 생성합니다.
- 이랑 특급 강조 표시된 상자, 선택 문제[실패] 열.
- 그런 다음 기능 목록에서 비교 , 그리고 a <= b , 입력 0.10 제공된 상자에.
- 첫 번째 ELSE 절에 다음을 입력합니다. "통과하다" .
- 두 번째 ELSE 절에 다음을 입력합니다. "불합격" .
이 공식은 예측 확률로 관측치를 분류합니다. 불합격 0.10보다 크면 실패로, 예측 확률이 다음과 같은 모든 관측값 불합격 합격으로 0.10 이하.
이 두 컷오프 값을 사용하여 분류를 비교하겠습니다. 예상 확률 불합격 여섯 번째 행의 관측값은 0.12입니다. 이것은 원래 패스로 분류되었습니다.
컷오프를 0.10으로 변경하면 더 많은 관찰이 실패로 분류됩니다. 모델은 실패 감지에 더 민감합니다. 그러나 절충안이 있습니다. 또한 모델은 더 많은 패스를 실패로 잘못 분류합니다.
