Comprensione e applicazione di metodi basati su alberi per lo screening e la modellazione dei predittori
Guarda come:
- Modella utilizzando Partition, Bootstrap Forests e Boosted Tree
- Comprendere i pro e i contro degli alberi decisionali
- Pro: scoprire relazioni non lineari, ottenere risultati facili da capire, selezionare un gran numero di fattori
- Contro: Gestisci una risposta alla volta, forma un'istruzione se-allora non una formula matematica, un'elevata variabilità può portare a grandi differenze in un modello per dati simili
- Creare un albero di classificazione delle partizioni JMP che utilizza la suddivisione per definire la relazione tra i predittori e le risposte categoriali
- Definire il numero di campioni, la dimensione degli alberi (modelli) e la frequenza di campionamento per costruire modelli di foresta Bootstrap utilizzando una tecnica di foresta casuale
- Definisci il numero di livelli, suddivisioni per albero, frequenza di apprendimento e frequenze di campionamento per creare modelli di albero potenziato che combinano modelli più piccoli in un modello finale
- Interpreta i risultati e regola i modelli
- Specificare ed eseguire report Profit Matrix per identificare classificazioni errate per risposte categoriali e interpretare i risultati utilizzando Confusion Matrix e Decision Matrix
Nota: domande e risposte incluse alle 17:00 e alle 38:00
31+ minAvanzatePadroneggiare JMPAnalisi predittivavideo
