274837_ko-KR

liliconcom

예측 모델링

다음 영상에 나오는 예시를 따라하면 다음 방법을 배울 수 있습니다.

• 유효성 검사 열 생성 (JMP Pro)
• 검증을 포함한 다중 선형 회귀 모델 적합
• 검증을 포함한 로지스틱 모델 적합
• 분류 기준값을 변경하세요
• 분류 트리를 생성하세요
• 회귀 트리를 적합시키세요
• 검증을 통해 의사결정 트리를 적합시키세요
• Bootstrap Forest를 사용하여 변수를 선택합니다.
• 신경망을 적합시키다
• 두 개의 레이어로 구성된 신경 모델을 학습시키세요
• 일반화 회귀에서 선형 모델 적합
• 일반화 회귀를 사용하여 변수를 선택합니다.
• 페널티 회귀(Lasso) 모델을 적합시킵니다.
• 예측 모델 비교 및 ​​선택

이 시리즈의 영상들은 무료 온라인 강좌인 '산업 문제 해결을 위한 통계적 사고' 모듈 7에서 발췌한 것입니다.

유효성 검사 열 생성(JMP Pro)

다중 선형 회귀 모델 적합 및 검증

검증을 통한 로지스틱 모델 적합

분류 기준점 변경

분류 트리 생성

회귀 트리 적합

검증을 통한 의사결정 트리 적합화

부트스트랩 포레스트를 이용한 변수 선택

신경망 피팅

두 개의 레이어로 구성된 신경 모델 학습

일반화 회귀에서 선형 모델 적합

일반화 회귀 분석에서의 변수 선택

페널티 회귀(Lasso) 모델 적합

예측 모델 비교 및 ​​선택

예측 모델링 및 머신 러닝