Transformar datos para hacer mejores predicciones
Vea cómo:
- Comprenda por qué las transformaciones estabilizan la varianza, hacen que el error sea más uniforme en toda la región de diseño, solucionan la falta de ajuste y trazan predicciones de una manera que no viole los límites físicos, muestre recuentos negativos o informe erróneamente rendimientos superiores al 100%.
- Transforme datos sobre la marcha utilizando Graph Builder y cambie las escalas para mejorar la legibilidad e interpretación de los gráficos.
- Utilice la transformación de raíz cuadrada para eliminar valores negativos y examine cómo el uso de la transformación de potencia de Box-Cox en la respuesta podría cambiar el ajuste
- Comparar sin transformación, transformación logarítmica con predicción en unidades sin procesar y transformación logarítmica con predicción en unidades logarítmicas
- Use la transformación de raíz cuadrada para construir efectos de modelo usando la macro Polinomio a Grado 2, identifique la mejor transformación, use la transformación seleccionada, guarde residuos en la tabla de datos y evalúe los resultados usando distribuciones
- Vea cómo la transformación de raíz cuadrada podría mostrar una dispersión de conteo más uniforme y una relación más lineal
Why Transforrmations Can Be UsefulWhy Transforrmations Can Be UsefulPor qué las transformaciones pueden ser útiles
Modelado predictivo y aprendizaje automáticoRe: Transformar datos para hacer mejores predicciones¡Gran presentación!Muchas gracias por tomarse el tiempo de compartir con todos nosotros.
Re: Transformar datos para hacer mejores prediccionesPresentación súper útil y clara.
