310425_es-ES

liliconcom

Minería de datos y modelado predictivo

 

 

Vea cómo:

• • Comprender el objetivo de un estudio de caso de fabricación de ventanas: determinar la configuración que reducirá las roturas.
  • Utilice Distribución para examinar la relación entre la tasa de rotura y otras variables
  • Utilice Ajustar Y por X para realizar comparaciones estadísticas simples entre la tasa de rotura y las variables
    • Descubra las relaciones utilizando Ajustar grupo, ajustando una línea para ver la relación entre 2 variables continuas y realizando un análisis de varianza de 1 vía (ANOVA) para examinar la relación entre las respuestas categóricas y continuas.
  • Utilice Graph Builder para examinar la relación de las variables ajustando diferentes tipos de líneas de regresión (cuadráticas, cúbicas) y luego comparando los valores de R-cuadrado para ver qué parte de la variabilidad se explica
  • Utilice Prediction Profiler para cambiar de forma interactiva la configuración de los factores, examinar las relaciones de los cambios con otros factores y determinar qué factores tienen más impacto en la respuesta
    • Construya un modelo de superficie de respuesta para examinar los efectos principales, las interacciones de 2 factores y las relaciones cúbicas
    • Utilice mínimos cuadrados estándar de regresión escalonada para agregar y eliminar términos de forma interactiva para encontrar el mejor modelo
    • Guardar la fórmula de predicción del modelo en la tabla de datos
  • Use Partition para construir y comparar modelos lineales
  • Utilice JMP Pro y la validación cruzada para crear, comparar y localizar el mejor modelo predictivo
    
    • Segmente los datos en 3 conjuntos: el conjunto de entrenamiento estima los parámetros del modelo, el conjunto de validación evalúa la capacidad predictiva del modelo mejorando o empeorando a medida que se agregan los términos, el conjunto de pruebas se deja fuera de la construcción del modelo y proporciona la evaluación final e independiente de la capacidad predictiva del modelo
    • Utilice la regresión generalizada para crear un modelo
    • Cree de forma interactiva la columna de Validación para la validación cruzada para evitar sobreajustar el modelo (sobreestimar la capacidad predictiva)
    • Use Bootstrap Forest y Boosted Trees (árboles de decisión)
    • Construya un modelo de red neuronal con 2 capas y suficientes nodos para describir la relación
      • Examine el diagrama para ver las conexiones entre las entradas y los nodos
    • Utilice JMP Pro para comparar modelos y descubrir posibles sobreajustes
    • Utilice JMP Pro para guardar modelos candidatos y las fórmulas que los describen en Formula Depot para obtener más perfiles de modelos y comparar y crear códigos de puntuación para ejecutar modelos en entornos C, Python, JavaScript, SAS o SQL no JMP

   

• Nota: Preguntas y respuestas se incluyen en los horarios 24:56, 25:58 y 44:36.

Recursos

• Técnicas de minería de datos: para marketing, ventas y gestión de relaciones con los clientes por Michael JA Berry y Gordon S. Linoff

• Cálculos para estimaciones de parámetros , incluida la peluca VIFjason

• JMP Pro Regresión generalizada información. Utilice el botón SIGUIENTE en las páginas de la documentación para leer en secuencia.

• Video encendido Descubrir y predecir patrones mediante modelos de redes neuronales

31+ minBásicoDominar JMPAnálisis predictivoVídeo