310425_it-IT

liliconcom

Data mining e modellazione predittiva

 

 

Guarda come:

• • Comprendere l'obiettivo di un case study sulla produzione di finestre: determinare le impostazioni che ridurranno le rotture
  • Utilizzare Distribuzione per esaminare la relazione tra il tasso di rottura e altre variabili
  • Usa Adatta Y per X per fare semplici confronti statistici tra il tasso di rottura e le variabili
    • Scopri le relazioni utilizzando Fit Group, adattando una linea per vedere la relazione tra 2 variabili continue ed eseguendo l'analisi della varianza (ANOVA) a una via per esaminare la relazione tra risposte categoriali e continue.
  • Utilizza il Generatore di grafici per esaminare la relazione tra le variabili adattando diversi tipi di linee di regressione (quadratica, cubica) e quindi confrontando i valori R quadrato per vedere quanto della variabilità è spiegata
  • Utilizzare Prediction Profiler per modificare in modo interattivo le impostazioni dei fattori, esaminare le relazioni delle modifiche con altri fattori e determinare quali fattori hanno il maggior impatto sulla risposta
    • Crea un modello di superficie di risposta per esaminare gli effetti principali, le interazioni a 2 fattori e le relazioni cubiche
    • Utilizzare i minimi quadrati standard di regressione graduale per aggiungere e rimuovere i termini in modo interattivo per trovare il modello migliore
    • Salva la formula di previsione del modello nella tabella dati
  • Usa Partition per costruire e confrontare modelli lineari
  • Utilizza JMP Pro e la convalida incrociata per creare, confrontare e individuare il miglior modello predittivo
    
    • Segmenta i dati in 3 set: il set di addestramento stima i parametri del modello, il set di convalida valuta l'abilità predittiva del modello migliorando o peggiorando man mano che vengono aggiunti i termini, il set di test viene escluso dalla creazione del modello e fornisce la valutazione finale e indipendente della capacità predittiva del modello
    • Utilizzare la regressione generalizzata per creare il modello
    • Creare in modo interattivo la colonna di convalida per la convalida incrociata per evitare l'adattamento eccessivo del modello (sovrastima della capacità predittiva)
    • Usa foresta bootstrap e alberi potenziati (alberi decisionali)
    • Costruisci un modello di rete neurale con 2 livelli e abbastanza nodi per descrivere la relazione
      • Esaminare il diagramma per vedere le connessioni tra input e nodi
    • Utilizza JMP Pro per confrontare i modelli e scoprire il potenziale overfitting
    • Utilizza JMP Pro per salvare i modelli candidati e le formule che li descrivono in Formula Depot per ulteriore profilazione e confronto del modello e creazione di codice di punteggio per eseguire modelli in ambienti C, Python, JavaScript, SAS o SQL non JMP

   

• Nota: le domande e risposte sono incluse alle 24:56, 25:58 e 44:36.

Risorse

• Tecniche di data mining: per marketing, vendite e gestione delle relazioni con i clienti di Michael JA Berry e Gordon S. Linoff

• Calcoli per stime di parametri , compresa la parrucca VIFjason

• JMP Pro Regressione generalizzata informazione. Utilizzare il pulsante AVANTI nelle pagine della documentazione per leggere in sequenza.

• Video attivo Scoperta e previsione di modelli utilizzando modelli di rete neurale

31+ minDi basePadroneggiare JMPAnalisi predittivavideo