310425_ko-KR

liliconcom

데이터 마이닝 및 예측 모델링

 

 

방법보기 :

• • 창 제조 사례 연구의 목표 이해 : 파손을 줄이는 설정 결정
  • 분포를 사용하여 파손 율과 기타 변수 간의 관계 조사
  • Fit Y by X를 사용하여 파손 율과 변수 간의 간단한 통계 비교
    • 그룹 적합을 사용하고, 선을 적합하여 두 연속 변수 간의 관계를 확인하고, 일원 분산 분석 (ANOVA)을 수행하여 범주 형 응답과 연속 응답 간의 관계를 조사하여 관계를 알아냅니다.
  • 그래프 빌더를 사용하여 여러 종류의 회귀선 (2 차, 3 차)을 피팅 한 다음 R- 제곱 값을 비교하여 가변성이 얼마나 설명되는지 확인하여 변수의 관계를 조사합니다.
  • 예측 프로파일 러를 사용하여 요인 설정을 대화식으로 변경하고, 다른 요인에 대한 변경 관계를 조사하고, 반응에 가장 큰 영향을 미치는 요인을 결정합니다.
    • 주 효과, 2- 요인 상호 작용 및 3 차 관계를 조사하기위한 반응 표면 모델 구축
    • 단계적 회귀 표준 최소 제곱을 사용하여 항을 대화식으로 추가 및 제거하여 최상의 모델을 찾습니다.
    • 모델 예측 공식을 데이터 테이블에 저장
  • 파티션을 사용하여 선형 모델 구축 및 비교
  • JMP Pro 및 교차 검증을 사용하여 최상의 예측 모델을 구축, 비교 및 찾습니다.
    
    • 데이터를 3 개 세트로 분할 : 학습 세트는 모델 매개 변수를 추정하고, 유효성 검사 세트는 항이 추가됨에 따라 최고 또는 나빠짐에 따라 모델의 예측 능력을 평가하고, 테스트 세트는 모델 구축에서 제외되며 모델 예측 능력에 대한 최종적이고 독립적 인 평가를 제공합니다.
    • 일반화 회귀를 사용하여 모델 생성
    • 모델 과적 합 (예측 능력 과대 평가)을 방지하기 위해 상호 검증을위한 검증 열을 대화식으로 생성
    • 부트 스트랩 포리스트 및 부스트 트리 (의사 결정 트리) 사용
    • 2 개의 계층과 관계를 설명하기에 충분한 노드로 신경망 모델 구축
      • 다이어그램을 조사하여 입력과 노드 간의 연결 확인
    • JMP Pro를 사용하여 모델을 비교하고 잠재적 인 과적 합 발견
    • JMP Pro를 사용하여 C, Python, JavaScript, SAS 또는 SQL 비 JMP 환경에서 모델을 실행하기위한 추가 모델 프로파일 링 및 비교 및 평가 코드 작성을 위해 후보 모델과이를 설명하는 공식을 Formula Depot에 저장합니다.

   

• 참고 : Q & A는 24:56, 25:58 및 44:36 시간에 포함됩니다.

자원

• 데이터 마이닝 기법 : 마케팅, 영업 및 고객 관계 관리 용 작성자 : Michael JA Berry 및 Gordon S. Linoff

• 모수 추정치를위한 계산 , VIFjason 가발 포함

• JMP Pro 일반화 회귀 정보. 문서 페이지에서 NEXT 버튼을 사용하여 순서대로 읽으십시오.

• 비디오 신경망 모델을 사용하여 패턴 발견 및 예측

31 분 이상기본JMP 마스터하기예측 분석비디오