Altoparlante | Trascrizione |
| Ciao, sono Chris Gotwalt. Il mio co |
| presentatori, Laura Lancaster e |
| Jeremy Ash e io stiamo presentando |
| un nuovo utile JMP Pro |
| capacità chiamata Estrapolazione |
| Controllo. Quasi tutti i modelli |
| vorresti mai prevedere |
| con ha una gamma di |
| applicabilità, una regione del |
| spazio di input, dove il |
| sono considerate previsioni |
| abbastanza affidabile. Al di fuori di quello |
| regione, iniziamo a estrapolare |
| il modello a punti lontani dal |
| dati utilizzati per adattare il modello. Utilizzando |
| le previsioni di quel modello |
| in quei punti potrebbe portare a |
| completamente inaffidabile |
| predizioni. Ci sono due |
| fonti primarie di |
| estrapolazione | statistico |
| estrapolazione e basata sul dominio |
| estrapolazione. Entrambi i tipi lo sono |
| coperti dalla nuova funzionalità. |
| Si verifica l'estrapolazione statistica |
| quando si sta tentando di farlo |
| prevedere utilizzando un modello in corrispondenza di un punto x |
| questo non è vicino ai valori |
| usato per addestrare quel modello. |
| Estrapolazione basata sul dominio |
| succede quando provi a valutare |
| ad una x che è impossibile a causa |
| a quello scientifico o ingegneristico |
| vincoli basati. L'esempio |
| qui illustra entrambi i tipi di |
| estrapolazione in un esempio. |
| Qui vediamo un profiler da a |
| modello di una produzione metallurgica |
| processi. Si legge nel pronostico |
| out dice -2.96 con no |
| indicazione che stiamo valutando |
| ad una combinazione di temperatura |
| e una pressione impossibile |
| in un senso di dominio da raggiungere |
| questa macchina. Abbiamo anche |
| estrapolazione statistica in quanto tale |
| è lontano dai dati utilizzati per adattarsi |
| il modello visto nello scatter |
| grafico dei dati di allenamento sul |
| Giusto. In JMP Pro 16, Jeremy, |
| Laura ed io abbiamo collaborato |
| aggiungere una nuova funzionalità che può |
| dare un avviso quando il profiler |
| pensa che potresti esserlo |
| estrapolando. O se ti giri |
| controllo di estrapolazione attivo |
| limiterà l'insieme di punti |
| che vedi solo a quelli che |
| non pensa che lo siano |
| estrapolando. Ne abbiamo due tipi |
| del controllo di estrapolazione. Uno è |
| basato sul concetto di leva finanziaria |
| e utilizza un modello dei minimi quadrati. |
| Questo primo tipo è solo |
| disponibile nella versione Pro di |
| Adattamento del modello ai minimi quadrati. IL |
| altro tipo che chiamiamo generale |
| estrapolazione dell'apprendimento automatico |
| controllo ed è disponibile in |
| Piattaforma Profiler e molti altri |
| il machine learning più comune |
| piattaforme in JMP Pro. Su |
| richiesta, potremmo anche aggiungerla |
| Di più. Minimi quadrati |
| il controllo di estrapolazione utilizza il |
| concetto di leva finanziaria, che è |
| come una versione in scala del |
| varianza di previsione. È un modello- |
| basato e quindi utilizza le informazioni |
| sugli effetti principali |
| interazioni di ordine superiore |
| termini per determinare il |
| estrapolazione. Per il generale |
| estrapolazione dell'apprendimento automatico |
| caso di controllo, dovevamo venire fuori |
| con il nostro approccio. Noi |
| volevo un metodo che fosse |
| robusto ai valori mancanti, lineare |
| dipendenze, elaborazione più veloce, |
| potrebbe gestire miscele di |
| input continuo e categorico |
| variabili, e anche noi |
| voleva esplicitamente separarsi |
| il modello di estrapolazione da |
| modello utilizzato per adattare i dati. COSÌ |
| quando abbiamo generale |
| controllo di estrapolazione attivato, |
| ce n'è solo uno supervisionato |
| modello che è...che si adatta al |
| variabili di input per le risposte |
| che vediamo nel profiler |
| tracce. Arriva il profiler |
| con un rapido e sporco |
| modello non supervisionato da descrivere |
| gli assi del set di addestramento e questo |
| viene utilizzato il modello non supervisionato |
| dietro le quinte di |
| profiler per determinare il |
| controllo di estrapolazione |
| vincolo. Quindi devo farlo |
| passare perché PowerPoint e my |
| la fotocamera non va d'accordo |
| proprio adesso per qualche motivo. Noi |
| sappiate che sono rischiose estrapolazioni |
| vengono realizzati ogni giorno da |
| persone che lavorano nella scienza dei dati |
| e sono fiduciosi che l'uso |
| delle estrapolazioni porta a scarsi |
| previsioni e, in definitiva, a |
| scarsi risultati aziendali. |
| Posti di controllo dell'estrapolazione |
| guardrail sulle previsioni del modello |
| e porterà a risultati quantificabili |
| decisioni migliori da parte di JMP Pro |
| utenti. Quando gli utenti vedono un'estrapolazione |
| verificarsi, l'utente deve effettuare una |
| decisione se il |
| la previsione dovrebbe essere utilizzata o meno |
| utilizzati in base al loro dominio |
| conoscenza e familiarità con |
| il problema in questione. Se tu |
| iniziare a vedere l'estrapolazione |
| gli avvisi di controllo si verificano abbastanza |
| spesso è probabilmente la fine |
| il ciclo di vita di quel modello |
| è tempo di riadattarlo ai nuovi dati |
| perché la distribuzione del |
| gli input si sono allontanati da |
| quello dei dati di addestramento. Noi |
| sono onestamente piuttosto sorpreso e |
| allarmato dalla necessità di |
| identificare l'estrapolazione non lo è |
| meglio apprezzato dai dati |
| comunità scientifica e hanno realizzato |
| controllare l'estrapolazione come |
| semplice ed automatico possibile. |
| Laura, che lo ha sviluppato in JMP |
| Pro, dimostrerà il |
| opzione successiva. Poi Jeremy, chi |
| ha fatto molte ricerche sul nostro |
| squadra, andremo in matematica |
| dettagli e statistici |
| motivazione per l’approccio. |
| Ciao, mi chiamo Laura |
| Lancaster e io siamo qui per fare una cosa |
| demo dell'estrapolazione |
| controllo aggiunto a JMP |
| professionista 16. Volevo iniziare |
| con un esempio abbastanza semplice |
| utilizzando almeno il modello adatto |
| piattaforma quadrata. Lo farò |
| utilizzare alcuni dati che potrebbero essere |
| familiare; sono i dati di fitness |
| questo è nei dati di esempio e lo sono |
| utilizzerò l'assorbimento di ossigeno come |
| la mia risposta e Run Time, Run |
| Pulse e Max Pulse come i miei |
| predittori. E volevo farlo |
| ribadire che nel modello adatto, |
| adatta ai minimi quadrati il |
| metrica di estrapolazione |
| utilizzato è la leva finanziaria. Quindi andiamo |
| avanti e iniziare a JMP. |
| Quindi ora ho i dati di fitness |
| open in JMP e ho uno script |
| salvato nella tabella dati in |
| avvia automaticamente il mio fit |
| modello dei minimi quadrati. Quindi sono |
| andrò avanti e lo eseguirò |
| script, si avvia meno |
| piattaforma quadrata. E ho il |
| il profiler si apre automaticamente. E |
| possiamo vedere che il profiler |
| sembra che sia sempre stato in |
| passato, dove i confini del fattore |
| sono definiti dall'intervallo di ciascuno |
| fattore individualmente, dandoci |
| vincoli vincolati rettangolari. |
| E quando cambio il fattore |
| impostazioni, a causa di questi vincolati |
| vincoli, può essere davvero |
| difficile dire se ti stai muovendo |
| molto al di fuori della correlazione |
| struttura dei dati. |
| Ed è per questo che abbiamo voluto aggiungere |
| il controllo di estrapolazione. COSÌ |
| questo è stato aggiunto a diversi |
| delle piattaforme in JMP Pro |
| 16, compresi i minimi quadrati adatti. |
| E per arrivare all'estrapolazione |
| controllo, vai al menu sotto |
| il menu del profilatore. Quindi se guardo |
| ecco, vedo che c'è una nuova opzione |
| chiamato Controllo di Estrapolazione. |
| Per impostazione predefinita è disattivato |
| ma posso trasformarlo in entrambi |
| acceso o avviso di accensione |
| controllo di estrapolazione. Se io |
| accendilo, notalo |
| limita il mio profilo |
| le tracce vanno solo ai valori |
| dove non sto estrapolando. |
| Se dovessi trasformarlo in un avvertimento |
| su, vedrei il profilo completo |
| tracce, ma otterrei un |
| avviso quando vado in una regione |
| dove verrebbe preso in considerazione |
| essere un'estrapolazione. |
| Posso anche attivare l'estrapolazione |
| dettagli, che trovo davvero |
| utile, e questo mi dà un |
| molte più informazioni. Primo di |
| tutto, mi dice che my |
| metrica che sto utilizzando |
| definire l'estrapolazione è |
| leva finanziaria, il che è vero nel |
| adatta alla piattaforma dei minimi quadrati. |
| E la soglia che è l'essere |
| utilizzato per impostazione predefinita inizialmente è |
| sarà la leva massima, |
| ma questo è qualcosa che posso |
| cambia e te lo mostrerò |
| in un minuto. Inoltre, posso vedere |
| qual è la mia metrica di estrapolazione |
| è per le mie impostazioni attuali. |
| È questo numero proprio qui, |
| che cambierà mentre cambio io |
| le mie impostazioni dei fattori. |
| Ogni volta che questo numero è maggiore |
| oltre la soglia, vado a |
| ricevi questo avvertimento che potrei esserlo |
| estrapolando. Se va sotto, |
| Non lo capirò più |
| avvertimento. Questa soglia non lo è |
| cambierà a meno che non cambi io |
| qualcosa nel menu da regolare |
| la mia soglia. Quindi lasciami andare avanti |
| e fallo subito. Quindi vado |
| per andare al menu |
| e vado sul set |
| criterio della soglia. COSÌ |
| nei minimi quadrati in forma, ne hai due |
| opzioni per la soglia |
| inizialmente è impostato al massimo |
| leva finanziaria, che manterrà |
| tu all'interno dello scafo convesso di |
| i dati oppure puoi passare a a |
| moltiplicatore per la media |
| leva finanziaria o termini del modello finiti |
| osservazioni. E voglio farlo |
| passare a quella soglia. Così è |
| impostato su 3 come moltiplicatore |
| per impostazione predefinita. Quindi andrà così |
| essere 3 volte la leva media |
| e faccio clic su OK e lo noto |
| la mia soglia cambierà. |
| In realtà è diventato più piccolo, quindi questo |
| è più conservatore |
| definizione di estrapolazione. |
| E lo riporterò indietro |
| attivo per limitare le tracce del mio profilo. |
| E ora posso solo andare |
| regioni in cui mi trovo entro 3 |
| volte la leva finanziaria media. |
| Ora abbiamo anche |
| ottimizzazione implementata |
| che obbedisce al |
| estrapolazione |
| vincoli. Quindi ora se io |
| attiva la desiderabilità impostata |
| e faccio l'ottimizzazione, |
| Otterrò un valore ottimale |
| soddisfa l'estrapolazione |
| vincolo. Notare che questo |
| la metrica è inferiore o uguale a |
| la soglia. Quindi ora quando vado |
| alla mia prossima diapositiva, che sta andando |
| per confrontare in un grafico, un grafico a dispersione |
| matrice, la differenza |
| tra il valore ottimale con |
| controllo di estrapolazione attivato |
| e con esso spento. |
| Quindi questo è il grafico a dispersione |
| matrice che ho creato con JMP, |
| e mostra l'originale |
| anche i dati delle variabili predittive |
| come valori delle variabili predittive |
| per la soluzione ottimale utilizzando |
| nessun controllo di estrapolazione, in |
| blu e la soluzione ottimale utilizzando |
| controllo di estrapolazione in rosso. |
| E nota come il non vincolato |
| soluzione qui in blu, |
| proprio qui, viola il |
| struttura di correlazione per il |
| dati originali per l'impulso di esecuzione e |
| Impulso massimo, aumentando così il |
| incertezza di questa previsione. |
| Considerando che la soluzione ottimale |
| che utilizzava l'estrapolazione |
| il controllo è molto più in linea |
| con i dati originali. |
| Ora guardiamo un esempio |
| utilizzando quello più generalizzato |
| metodo di controllo dell'estrapolazione, |
| che chiameremo a |
| metodo del T quadrato regolarizzato. COME |
| Chris ha menzionato prima, noi |
| sviluppato questo metodo per i modelli |
| diversi dai modelli dei minimi quadrati. |
| Quindi esamineremo a |
| modello neurale per il diabete |
| dati presenti anche nel campione |
| dati. La risposta è una misura |
| della progressione della malattia e il |
| i predittori sono la base di riferimento |
| variabili. Ancora una volta, il |
| metrica di estrapolazione utilizzata per |
| questo esempio è il |
| T quadrato regolarizzato |
| Jeremy descriverà in |
| maggiori dettagli tra qualche minuto. |
| Quindi ho i dati sul diabete aperti |
| JMP e io abbiamo salvato uno script |
| del mio modello neurale si adatta. Io sono |
| andrò avanti e lo eseguirò |
| sceneggiatura. Lancia il neurale |
| piattaforma e nota che lo sono |
| utilizzando il metodo di convalida, casuale |
| trattenere. Volevo solo notare |
| che ogni volta che usi a |
| metodo di convalida, il |
| si basa il controllo di estrapolazione |
| solo sui dati di allenamento |
| e non la tua convalida |
| o testare i dati. |
| Quindi ho il profiler aperto e |
| puoi vedere che sta usando il file |
| tracce complete. Estrapolazione |
| il controllo non è acceso. Andiamo |
| vai avanti e accendilo. |
| E lo farò anche io |
| attiva i dettagli. |
| Puoi vedere che ci sono tracce |
| stato limitato e la metrica |
| è il quadrato T regolarizzato. IL |
| la soglia è 3 volte la |
| deviazione standard del campione |
| T quadrato regolarizzato. Jeremy lo è |
| parleremo più approfonditamente di cosa |
| tutto ciò significa esattamente in pochi |
| minuti. E volevo proprio farlo |
| menzionarlo quando lo usiamo |
| la T quadrata regolarizzata |
| metodo, c'è solo una scelta |
| per la soglia, ma puoi |
| regolare il moltiplicatore. Quindi se tu |
| vai al controllo di estrapolazione, imposta |
| soglia, è possibile modificarla |
| moltiplicatore, ma lo farò |
| lascialo a 3. E adesso io |
| desideri eseguire l'ottimizzazione utilizzando |
| controllo di estrapolazione. Quindi sono |
| massimizzerò semplicemente e |
| Ricordare. Ora ho un |
| soluzione ottimale con |
| controllo di estrapolazione attivato |
| SU. E quindi ora voglio guardare |
| nella nostra matrice del grafico a dispersione, semplicemente |
| come abbiamo visto prima, con |
| i dati originali, nonché |
| con i valori ottimali con |
| e senza estrapolazione |
| controllo. |
| Quindi questa è una matrice di grafico a dispersione |
| dei dati sul diabete che I |
| creato in JMP. Ha il |
| valori predittivi originali, come |
| nonché la soluzione ottimale |
| utilizzando il controllo di estrapolazione in |
| rosso e soluzione ottimale senza |
| controllo di estrapolazione in blu. |
| E puoi vedere che il rosso |
| i punti sembrano essere molto di più |
| all'interno della struttura di correlazione |
| dei dati originali rispetto a |
| blu, e questo è particolarmente |
| vero quando guardi questo LDL |
| rispetto al colesterolo totale. |
| Quindi ora guardiamo un esempio |
| utilizzando il profiler che si trova sotto |
| il menu grafico, che chiamerò |
| il profilatore grafico. Utilizza anche |
| il metodo del T quadrato regolarizzato |
| e ci consente di utilizzare |
| controllo di estrapolazione su qualsiasi |
| tipo di modello che può essere |
| creato e salvato come JSL |
| formula. Ci permette anche di farlo |
| avere il controllo di estrapolazione attivo |
| più di un modello alla volta. |
| Quindi diamo un'occhiata a un esempio |
| per un'azienda che utilizza polvere |
| tecnologia metallurgica a |
| produrre alberi di trasmissione in acciaio per |
| l'industria automobilistica. |
| Vogliono essere in grado di trovare |
| impostazioni ottimali per loro |
| produzione che ridurrà al minimo |
| restringersi e anche minimizzare... |
| ridurre al minimo i guasti dovuti a errori |
| condizioni di servizio. Quindi abbiamo |
| due | contrazione delle risposte (ovvero |
| continuo e lo faremo |
| adattare un modello dei minimi quadrati per |
| quello) e le condizioni della superficie (che |
| è superato/fallito e lo faremo |
| adattare un modello logistico nominale per |
| Quello). E il nostro predittore |
| le variabili sono solo alcune chiavi |
| variabili di processo nella produzione. |
| E ancora una volta l'estrapolazione |
| la metrica è il quadrato T regolarizzato. |
| Quindi ho la polvere |
| i dati metallurgici sono aperti in JMP |
| e mi sono già adattato almeno |
| modello quadrato per il mio restringimento |
| risposta, e ho già inserito una |
| modello logistico nominale per il |
| condizione della superficie superata/fallita |
| risposta e ho salvato il file |
| formule di previsione sui dati |
| tavolo in modo che siano pronti |
| essere utilizzato nel profiler grafico. |
| Quindi, se vado al menu grafico |
| profiler, posso caricare il file |
| formula di previsione per il ritiro |
| e la mia formula di previsione è per |
| la condizione della superficie. |
| Fare clic su OK. E ora l'ho fatto |
| entrambi i miei modelli si sono lanciati in |
| il profilatore grafico. |
| E prima di accendermi |
| controllo di estrapolazione, tu |
| puoi vedere che ho il pieno |
| tracce del profilo. Una volta acceso |
| controllo di estrapolazione |
| puoi vedere che le tracce |
| rimpicciolirmi un po', e me ne vado anch'io |
| per attivare i dettagli, |
| solo per dimostrare che lo sono davvero |
| utilizzando il quadrato T regolarizzato |
| qui con questo metodo. |
| Quindi quello che voglio veramente fare è io |
| vuoi trovare l'ottimale |
| condizioni in cui minimizzo |
| restringimento e minimizzo |
| fallimenti con estrapolazione |
| controllo e voglio essere sicuro |
| Non sto estrapolando. voglio |
| trovare una soluzione utile. E |
| prima di poter eseguire l'ottimizzazione, |
| In realtà devo impostare il mio |
| desiderabilità. Quindi lo farò |
| impostare le desiderabilità. È pronto |
| corretto per il restringimento, ma I |
| è necessario impostarli per il servizio |
| condizione. Cercherò di massimizzare |
| supera e minimizza i fallimenti. |
| K. |
| E ora dovrei essere in grado di farlo |
| l'ottimizzazione con |
| controlli di estrapolazione attivati. |
| Massimizza e ricorda. |
| E ora ho il mio ottimale |
| soluzione con estrapolazione |
| controllo acceso. Quindi ora diamo un'occhiata |
| ancora una volta al |
| matrice del grafico a dispersione di |
| dati originali, insieme a |
| soluzione con estrapolazione |
| controllo nella soluzione, |
| con il controllo di estrapolazione |
| spento. |
| Quindi questa è una matrice di grafico a dispersione |
| dei dati sulla metallurgia delle polveri |
| che ho creato in JMP. Ed esso |
| ha anche la soluzione ottimale |
| con controllo di estrapolazione come a |
| punto rosso e quello ottimale |
| soluzione senza estrapolazione |
| controllo come un punto blu. E una volta |
| ancora una volta puoi vederlo quando noi |
| non attuare l'estrapolazione |
| controllo, la soluzione ottimale |
| è piuttosto lontano dal |
| struttura di correlazione del |
| dati. Possiamo soprattutto vedere |
| quello qui con rapporto contro |
| pressione di compattazione. |
| Quindi ora voglio consegnare |
| la presentazione a Jeremy |
| per approfondire molto di più |
| dettagli sui nostri metodi. |
| Ciao, eccone alcuni |
| obiettivi per il controllo dell’estrapolazione |
| che abbiamo presentato al |
| inizio del progetto. Noi |
| necessitava di una metrica di estrapolazione |
| questo potrebbe essere calcolato rapidamente |
| con un gran numero di |
| osservazioni e variabili, e |
| avevamo bisogno di un modo rapido per valutare |
| se la metrica indicata |
| estrapolazione o meno. Questo era |
| per mantenere l'interattività di |
| il profiler traccia e |
| ne avevamo bisogno |
| eseguire l'ottimizzazione. |
| Volevamo poterlo fare |
| supportare le varie variabili |
| tipi disponibili in |
| profilatore. Questi sono |
| essenzialmente continuo, |
| categorico e ordinale. |
| Volevamo utilizzare |
| osservazioni con cellule mancanti, |
| perché alcuni metodi di modellazione |
| includerà queste osservazioni |
| In ???. |
| Volevamo un metodo che lo fosse |
| Dipendenze da robuste a lineari in |
| i dati. Questi si verificano quando il |
| il numero di variabili è maggiore |
| rispetto al numero di osservazioni, |
| Per esempio. E volevamo |
| qualcosa che era facile da fare |
| automatizzare senza la necessità di a |
| molti input dell'utente. |
| Per i modelli dei minimi quadrati, we |
| è atterrato sulla leva finanziaria, che è |
| spesso usato per identificare i valori anomali |
| nei modelli lineari. La leva finanziaria |
| per il nuovo punto di previsione è |
| calcolato in base a questo |
| formula. Ci sono molti |
| interpretazioni della leva finanziaria. |
| Un'interpretazione è che lo sia |
| la distanza multivariata di a |
| punto di previsione dal centro |
| dei dati di allenamento. Un altro |
| l'interpretazione è che si tratta di a |
| varianza di previsione scalata. COSÌ |
| man mano che il punto di previsione si sposta |
| più lontano dal centro |
| dei dati, l’incertezza |
| della previsione aumenta. E noi |
| utilizzare due soglie comuni in |
| la letteratura statistica per |
| determinare se questa distanza |
| è troppo grande. Il primo è |
| leva massima, previsione |
| punti oltre questa soglia |
| o all'esterno dello scafo convesso di |
| i dati di allenamento. |
| E il secondo è 3 volte il |
| media delle leve. Esso |
| si può dimostrare che è così |
| equivalente a tre volte il |
| numero di termini del modello divisi |
| dal numero di osservazioni. |
| E come ha descritto Laura |
| in precedenza, puoi modificare il file |
| moltiplicatore di questi |
| soglie. |
| Infine, quando desiderabilità |
| vengono ottimizzati, il |
| il vincolo di estrapolazione è a |
| vincolo non lineare e |
| precedentemente consentito dal profiler |
| ottimizzazione vincolata con |
| vincoli lineari. Questo tipo di |
| l'ottimizzazione è di più |
| impegnativo, quindi Laura ha implementato |
| un algoritmo genetico. E se tu |
| non hanno familiarità con questi, |
| gli algoritmi genetici utilizzano il |
| principi della molecolare |
| evoluzione per ottimizzare |
| complicate funzioni di costo. |
| Successivamente, parlerò di |
| approccio che abbiamo utilizzato per generalizzare |
| controllo di estrapolazione ai modelli |
| diversi dai modelli lineari. Quando |
| stai costruendo un predittivo |
| modello in JMP, inizi con a |
| insieme di variabili predittive e a |
| insieme di variabili di risposta. Alcuni |
| il modello supervisionato è addestrato e |
| quindi è possibile utilizzare un profiler |
| visualizzare la superficie del modello. |
| Esistono numerose varianti in |
| il profiler in JMP. Puoi |
| utilizzare il profiler internamente in |
| piattaforme di modellazione. Puoi |
| formule di previsione dell'output e |
| creare un profiler per più |
| Modelli. Come ha dimostrato Laura, |
| per cui puoi costruire profiler |
| modelli d'insieme. Volevamo un |
| metodo di controllo dell'estrapolazione |
| ciò generalizzerebbe tutto questo |
| scenari, quindi invece di |
| legando il nostro metodo ad a |
| modello specifico, stiamo andando |
| utilizzare senza supervisione |
| approccio. |
| E segnaleremo solo a |
| punto di previsione come |
| estrapolazione se è lontano |
| fuori dove si trovano i dati |
| concentrato nel predittore |
| spazio. E questo ce lo permette |
| essere coerente in tutto |
| profiler in modo che il nostro |
| metodo di controllo dell'estrapolazione |
| si collegherà a qualsiasi profiler. |
| La distanza multivariata |
| interpretazione della leva finanziaria |
| ha suggerito la T di Hotelling al quadrato come |
| una distanza per generale |
| controllo di estrapolazione. Infatti, |
| qualche manipolazione algebrica lo farà |
| dimostrare che la T di Hotelling al quadrato è |
| semplicemente la leva finanziaria è stata spostata e |
| scalato. Questa figura mostra come |
| Misure al quadrato della T di Hotelling |
| che ellittica un'osservazione |
| giace su, dove sono le ellissi |
| centrato nella media di |
| dati e la forma è definita |
| dalla matrice di covarianza. |
| Dato che non ci siamo più |
| modelli lineari, questa metrica |
| non ha lo stesso |
| collegamento alla previsione |
| varianza. Quindi invece di |
| basandosi sulle soglie utilizzate |
| indietro nei modelli lineari, siamo |
| ne farò alcuni |
| ipotesi distributive |
| per determinare se T quadrato |
| per il punto di previsione dovrebbe |
| essere considerata un'estrapolazione. |
| Qui sto mostrando la formula per |
| T di Hotelling al quadrato. Il mezzo e |
| viene stimata la matrice di covarianza |
| utilizzando i dati di addestramento per il |
| modello. Se P è inferiore a N, |
| dove P è il numero di |
| predittori, N è il numero |
| di osservazioni e se il |
| predittori della multivariata |
| normale, quindi T al quadrato per |
| il punto di dipendenza ha una F |
| distribuzione. Tuttavia, volevamo |
| un metodo per generalizzare il |
| set di dati con dati complicati |
| tipi, come un mix di continui |
| e set di dati categorici in cui P |
| è maggiore di N, set di dati con |
| valori mancanti. Quindi invece di |
| elaborare le distribuzioni |
| analiticamente in ogni caso, noi |
| utilizzato un semplice conservatore |
| limite di controllo che abbiamo trovato |
| funziona bene nella pratica. Questo è |
| un limite di controllo tre Sigma |
| utilizzando la distribuzione empirica |
| di T al quadrato dall'allenamento |
| dati e, come ha detto Laura, tu |
| può anche ottimizzare questo moltiplicatore. |
| Una complicazione è che quando P |
| è più grande di N, T di Hotelling |
| al quadrato non è definito. Ci sono |
| troppi parametri nel |
| matrice di covarianza da stimare |
| con i dati disponibili e |
| questo si verifica spesso nell'uso tipico |
| casi di controllo di estrapolazione |
| come nei minimi quadrati parziali. |
| Quindi abbiamo deciso per un romanzo |
| approccio al calcolo del T di Hotelling |
| al quadrato, che si occupa di questi |
| casi, e lo chiameremo a |
| T quadrato regolarizzato. |
| Calcolare la covarianza |
| usiamo una matrice regolarizzata |
| stimatore originariamente |
| sviluppato da Schafer e |
| Decespugliatore per alta |
| dati genomici dimensionali. |
| È solo un peso |
| combinazione del completo |
| matrice di covarianza del campione, |
| che è U qui e a |
| matrice obiettivo dei vincoli |
| che è D. |
| Per il peso Lambda |
| parametro, Schafer e Strimmer |
| derivato un metodo analitico |
| espressione che minimizza il |
| MSE, lo stimatore |
| asintoticamente. |
| Schafer e Strimmer proposero |
| diversi possibili bersagli |
| matrici. La matrice target we |
| scelto era una matrice diagonale con |
| le varianze campionarie di |
| variabili predittive sul |
| diagonale. Questa matrice target ha |
| una serie di vantaggi per |
| controllo di estrapolazione. Per prima cosa, noi |
| non dare per scontato alcuna correlazione |
| struttura tra le variabili |
| prima di vedere i dati, che |
| funziona bene come priore generale. |
| Inoltre, quando ci sono pochi dati |
| per stimare la covarianza |
| matrice, a causa del piccolo N o |
| manca una grande frazione, il |
| il vincolo ellittico è |
| ampliato da un grande peso |
| la matrice diagonale, e questo |
| risulta in un approccio più conservativo |
| test per il controllo di estrapolazione. |
| Abbiamo scoperto che era necessario |
| ottenere un ragionevole controllo del |
| tasso di falsi positivi. Per dirla così |
| più semplicemente, quando c'è |
| dati di allenamento limitati, il |
| la T quadrata regolarizzata è inferiore |
| probabilmente etichettare le previsioni come |
| estrapolazione, che è ciò che tu |
| vuoi, perché sei di più |
| è probabile che si osservino covarianze |
| per caso. Ne abbiamo alcuni |
| Risultati della simulazione |
| dimostrando questi dettagli, |
| ma non ho tempo per andare |
| in tutto questo. Invece avanti |
| nella pagina web della Comunità, inseriamo a |
| collegamento a un articolo sull'archivio e |
| abbiamo intenzione di sottoporlo al |
| Giornale di calcolo |
| Statistiche grafiche. |
| La diapositiva successiva ne mostra un'altra |
| dettagli importanti di cui avevamo bisogno |
| prendere in considerazione. Avevamo bisogno di capire |
| su come affrontare i categorici |
| variabili. Siamo giusti |
| convertendoli in indicatori- |
| variabili fittizie codificate. Questo è |
| paragonabile ad un multiplo |
| analisi della corrispondenza. Un altro |
| la complicazione è come calcolare |
| T di Hotelling al quadrato quando |
| mancano dati. Parecchi |
| Modellazione predittiva JMP |
| le piattaforme utilizzano le osservazioni con |
| dati mancanti per addestrare i loro |
| Modelli. Questi includono ingenuo |
| Foresta di Bayes e Bootstrap. E |
| queste formule mostrano il |
| metodo di eliminazione a coppie we |
| utilizzato per stimare la covarianza |
| matrice. È più comune da usare |
| cancellazione saggia della riga. Questo significa |
| tutte le osservazioni mancanti |
| i valori vengono cancellati prima |
| calcolo della matrice di covarianza. |
| E questo è più semplice, ma può farlo |
| risultato nel buttare fuori utile |
| dati se la dimensione del campione del |
| i dati di addestramento sono piccoli. Con |
| osservazioni di cancellazione a coppie |
| ed eliminati solo se presenti |
| valori mancanti nella coppia di |
| variabili utilizzate per calcolare la |
| voce corrispondente e basta |
| cosa mostrano queste formule. |
| Sembra una cosa semplice da fare. |
| Stai semplicemente utilizzando tutti i dati |
| è disponibile, ma |
| in realtà può portare a una serie di |
| problemi perché ci sono |
| diverse osservazioni utilizzate |
| calcolare ogni voce. Questo può |
| far sì che accadano cose strane, |
| come le matrici di covarianza con |
| autovalori negativi, che è |
| qualcosa con cui dovevamo occuparci. |
| Ecco alcuni vantaggi di |
| la T regolarizzata al quadrato we |
| trovato rispetto ad altri |
| metodi nelle nostre valutazioni. Uno |
| è questa la regolarizzazione |
| funziona come la regolarizzazione |
| normalmente funziona. Colpisce a |
| equilibrio tra il sovraadattamento del |
| dati di training e over biasing |
| lo stimatore. Questo rende il |
| stimatore più robusto al rumore |
| e specifiche errate del modello. |
| Successivamente, Schafer e Strimmer |
| lo hanno mostrato nel loro articolo |
| la regolarizzazione comporta a |
| stimatore più accurato in |
| impostazioni dimensionali elevate. |
| Questo aiuta con il corsivo |
| dimensionalità che affligge |
| la maggior parte dei metodi basati sulla distanza |
| per il controllo dell'estrapolazione. |
| Poi nei campi che hanno |
| sviluppato la metodologia per |
| controllo di estrapolazione, |
| spesso li hanno entrambi alti |
| dati dimensionali e altamente |
| predittori correlati. Per |
| esempio in chimica informatica e |
| chemiometria, la sostanza chimica |
| le caratteristiche sono spesso altamente |
| correlato. Controllo dell'estrapolazione |
| è spesso usato in combinazione |
| con i modelli PCA e PLS, dove |
| A cui sono abituati DModX al quadrato |
| rilevare violazioni della correlazione |
| struttura. Questo è simile a |
| cosa facciamo in model-driven |
| carta di controllo multivariata. |
| Poiché questo è un caso d'uso comune, |
| volevamo avere un'opzione che |
| non si è discostato troppo da |
| questi metodi. Il nostro regolarizzato T |
| quadrato fornisce lo stesso tipo |
| del controllo di estrapolazione, ma esso |
| non richiede fase di proiezione |
| che presenta alcuni vantaggi. |
| Abbiamo scoperto che questo ci consente di farlo |
| meglio generalizzare altri tipi |
| di modelli predittivi. Anche in |
| dalle nostre valutazioni lo abbiamo osservato |
| se una proiezione lineare non lo fa |
| funzionano bene per i tuoi dati, come |
| hai relazioni non lineari |
| tra i predittori, gli errori |
| possono gonfiare i limiti di controllo |
| di metodi basati sulla proiezione, |
| che porterà ai poveri |
| protezione contro |
| estrapolazione e il nostro approccio |
| è più robusto di così. |
| E poi un altro punto importante |
| è che abbiamo trovato il |
| metrica di estrapolazione singola |
| era molto più semplice da usare e |
| interpretare. |
| Ed ecco un breve riassunto di |
| le caratteristiche dell'estrapolazione |
| controllo. Il metodo fornisce di meglio |
| visualizzazione del fattibile |
| regioni ad alta dimensionalità |
| modelli nel profiler. |
| Un nuovo algoritmo genetico ha |
| stato implementato per flessibile |
| ottimizzazione vincolata. |
| La nostra T quadrata regolarizzata |
| gestisce l'osservazione disordinata |
| dati, casi come P più grandi |
| di N, e continuo e |
| variabili categoriali. |
| Il metodo è disponibile nella maggior parte dei casi |
| dei modelli predittivi in JMP |
| 16 Pro e ne supporta molti |
| le loro idiosincrasie. È anche |
| disponibile nel profiler in |
| grafico, che apre davvero la sua |
| utilità perché puoi operare |
| su qualsiasi formula di previsione. |
| E poi, come direzione futura, |
| stiamo valutando l'implementazione |
| un vicino più vicino basato su K |
| vincolo che andrebbe oltre |
| la correlazione attuale |
| vincolo strutturale. Spesso |
| i predittori sono generati da |
| risultanti da distribuzioni multiple |
| nel clustering nel predittore |
| spazio. E un K-vicini più vicini |
| approccio basato consentirebbe |
| permetterci di controllare l'estrapolazione |
| tra i cluster. |
| Quindi grazie a tutti coloro che |
| sintonizzati per guardare questo e |
| ecco le nostre e-mail se ne hai |
| eventuali ulteriori domande. |
