파티셔닝에서 Prediction Profiler 그래프를 해석하는 방법이 이미지는 분할 모델링 연습에서 3개의 x-변수 수준에 대한 예측 확률을 보여줍니다.x축은 3가지 유형의 사람들입니다. y축은 사람들이 선택하도록 만들어진 40개의 개체 옵션입니다(단일 선택만 해당).내 의도는 각 사람 유형을 나타내는 가장 큰 예측 확률(둘러싸인)을 가진 객체를 갖는 것입니다.
질문: 각 x를 가로질러 갈 때 개별 물체 선의 모양이 의미가 있다면 무엇입니까? ( Profiler 설명서에서 단서를 찾을 수 없습니다.)
해석학제도법다른Re: Partitioning에서 Prediction Profiler 그래프를 해석하는 방법나는 당신이 무엇을 요구하는지 이해하지 못합니다. 3개의 서로 다른 개별 모델(F1, F2, F3)을 적합하고 범주형 예측 변수에는 3개의 수준이 있습니다. 사진이 너무 작아 라벨과 같은 세부 사항을 볼 수 없습니다.
Re: Partitioning에서 Prediction Profiler 그래프를 해석하는 방법표시,
각 F 수준(F1, F2, F3)에 대해 예측 확률의 합계가 1.0이라는 것을 이해합니다.
또한 각 F 레벨에서 각 선(예: 역 V 모양)을 추적할 때 내가 선택한 F 설정에서 해당 y 개체(예: Shade 31)에 대한 확률이 주어진다는 것도 이해합니다.
내가 질문하는 것은 예를 들어 예측 확률이 F1, F2, F3에서 각각 .132, .055, .113일 때 Shade 31의 역 V 모양인 이유입니다.모양은 무언가를 의미해야 합니다. 확실히 당신이 지적한 더 높은 확률 영역의 위치(그래프의 상단, 중간, 하단)와 상관 관계가 없는 것으로 보입니다.
Re: Partitioning에서 Prediction Profiler 그래프를 해석하는 방법확률은 1에 더해집니다. 인접 라인 간의 차이는 주어진 레벨에 대한 예측 확률입니다. F1의 첫 번째 수준과 세 번째 수준은 축 상단 근처의 항목에 대한 확률이 더 높은 것으로 나타납니다. F1의 두 번째 수준은 축의 모델에서 항목에 대한 확률이 더 높은 것으로 보입니다. F1의 모든 수준은 축 하단 근처의 항목에 대해 작은 확률을 가집니다.
F1, F2, F3 중 첫 번째 레벨이 아닌 다른 레벨을 선택하면 전체 모양이 변경될 수 있습니다. 이러한 종류의 변화는 예측 변수 간에 상호 작용이 있음을 나타냅니다.
