Al trabajar con los conjuntos de datos adjuntos, aprenderá a construir modelos mejores y más útiles con técnicas de modelado predictivo como regresión, redes neuronales y árboles de decisión. La atención se centrará en aprovechar al máximo JMP con algunos ejemplos en los que JMP PRO puede ofrecer un valor adicional. Aprenderá a dividir sus datos en conjuntos de entrenamiento, validación (ajuste) y pruebas para evitar un ajuste excesivo. Y verá cómo utilizar técnicas de comparación, especialmente parcelas de Valores reales frente a valores predichos por grupo de validación: para encontrar el mejor modelo predictivo. Este webcast es para usuarios de JMP interesados en aprender cómo el modelado predictivo puede ayudarles a utilizar los datos que tienen para hacer mejores predicciones.
Los datos de respuesta incluirán respuestas binarias (pasa / falla, aceptar / rechazar, acertar / fallar, etc.), respuestas continuas (incluidas proporciones entre 0 y 1) y respuestas categóricas (diferentes tipos de ciberataques). Las variables independientes incluirán tipos continuos y / o categóricos.
Los webcasts relacionados de la serie Mastering JMP incluyen:
- Modelado predictivo por Malcolm Moore
- Modelado avanzado con JMP Pro por Sam Gardner
- Minería de datos y modelado predictivo por Sam Gardner
- Modelado predictivo con redes neuronales JMP 9 por Sam Gardner
Los buenos libros de referencia en esta área incluyen:
Fundamentos de análisis predictivo con JMP , por Klimberg y McCullough - todos los ejemplos trabajaron con JMP
Los elementos del aprendizaje estadístico por Hastie, Tibshirani y Friedman: autoritario, matemáticamente más profundo
Los enlaces anteriores lo llevarán a los conjuntos de datos asociados con los libros.
A continuación se muestra la matriz de diagrama de dispersión real versus predicha de una respuesta binaria versus predicción binaria para seis modelos.
A continuación se muestra un Prediction Profiler para la misma respuesta para tres tipos diferentes de modelos con 6 factores explicativos.
A continuación se muestra Real vs. Gráfico previsto en el Generador de gráficos por grupo de validación para un modelo de partición.
