Cómo interpretar el gráfico Prediction Profiler en ParticionamientoLa imagen muestra las probabilidades de predicción para 3 niveles de variable x a partir de un ejercicio de modelado de partición.El eje x son 3 tipos diferentes de personas. El eje y son las 40 opciones de objetos entre las que se hizo que las personas eligieran (solo selección única).Mi intención es tener el objeto con la mayor probabilidad predicha (encerrado en un círculo) para representar a cada tipo de persona.
Pregunta: ¿Cuál es el significado, si lo hay, de la forma de las líneas de los objetos individuales a medida que cruzan cada x? ( No pude encontrar ninguna pista en el manual de Profiler).
AnalíticaGráficosOtroRe: Cómo interpretar el gráfico Prediction Profiler en ParticionamientoNo entiendo lo que me estas preguntando. Usted ajusta tres modelos diferentes y separados (F1, F2, F3) y el predictor categórico tiene 3 niveles. Su imagen es tan pequeña que no puedo ver los detalles como las etiquetas.
Re: Cómo interpretar el gráfico Prediction Profiler en ParticionamientoMarca,
Entiendo que para cada nivel F (F1, F2, F3), las probabilidades previstas suman 1,0.
También entiendo que cuando trazo cada línea (por ejemplo, la forma de V invertida) a lo largo de cada nivel F, se me da la probabilidad de ese objeto y (por ejemplo, Sombra 31) en la configuración F que elijo.
Lo que me pregunto es por qué, por ejemplo, la forma de V invertida del tono 31 cuando las probabilidades previstas son .132, .055, .113 respectivamente en F1, F2, F3.La forma debe significar algo. Ciertamente, no parece correlacionarse con la ubicación (parte superior, media, parte inferior del gráfico) de las regiones de mayor probabilidad que usted señala.
Re: Cómo interpretar el gráfico Prediction Profiler en ParticionamientoLas probabilidades suman 1. La diferencia entre líneas adyacentes es la probabilidad predicha para un nivel dado. El primer nivel y el tercer nivel de F1 parecen tener mayores probabilidades para los elementos que se encuentran cerca de la parte superior del eje. El segundo nivel de F1 parece tener mayores probabilidades para los elementos del modelo del eje. Todos los niveles de F1 tienen probabilidades pequeñas para elementos cerca de la parte inferior del eje.
Seleccionar un nivel que no sea el primero de F1, F2 o F3 puede cambiar las formas generales. Este tipo de cambio indica que existe una interacción entre los predictores.
