モデルスクリーニングプラットフォーム：Decision ThresholdProfilerの[RememberSettings]オプション以下で参照されているように、JMPの[分析]> [予測モデリング]> [モデルスクリーニング]の新しいモデルスクリーニングプラットフォームオプションが本当に気に入っています。 https://community.jmp.com/t5/JMP-Blog/Model-Screening-in-JMP-Pro-16/bc-p/384039#M4078 。
この例のコンテキストなどで、私にとって特に役立つと思う機能の1つは、JMPの特定のプラットフォーム（[分析]> [モデルの適合]など）で適合モデルを指定する場合の予測プロファイラーと同様のオプションです。誤検知率と誤検知率のさまざまなトレードオフシナリオを効果的に「切り替える」ことができるように、「設定を覚えておいてください」。
誤検知の増加を犠牲にして誤検知を最小限に抑えることに焦点を当てるようにモデルを調整するために、決定しきい値確率のレベル設定を「プロファイル」するオプションは、私が特に興味を持っているシナリオです。品質リスクの観点から（より高い製造スクラップを犠牲にしてエンドユーザーを保護する）、より高い誤警報は許容できます。
これは私が話していることを説明する写真です（YのXの入力設定のさまざまな組み合わせで[設定の記憶]を選択した後、予測プロファイラーの下のフィットモデルプラットフォームから出力される単なるバニラの[設定の記憶]（同じ） Diabetes.jmpサンプルデータセットの例）：
ありがとう！
その他統計と分析Re：モデルスクリーニングプラットフォーム：Decision ThresholdProfilerの[RememberSettings]オプションこの願いの明確化をお願いします。すべてのモデルに同じしきい値確率を適用したいですか、それとも各モデルの「最適な」しきい値を記憶して比較するように求めていますか？前者の場合、それは悪い考えだと思います。確率の分布はモデル間で大幅に異なるため、モデルごとに異なるしきい値が選択される可能性があります。後者の場合、これがどのように実装されるかはわかりません（ただし、私はそのアイデアが好きです）。フォールスネガティブを最小化するなど、自動化することはできません。これは、しきい値の確率を0に設定するだけだからです。したがって、トレードオフの見方に応じて、モデルごとに異なるしきい値を選択できるようにする必要があります。おそらくこれです。利益マトリックスと組み合わせて使用できます（ただし、利益マトリックスの使用は非常に難しいと思います）。
すべてのモデルのしきい値を変更し、混同行列を表示する単純なスライダーがあると、私にはあまり役に立ちません。 モデルの相対的なパフォーマンスの錯覚をもたらすと思います。あるモデルが0.15のしきい値を要求し、別のモデルが0.30のしきい値を要求するかどうかはあまり気にしません。私が気にするのは、各モデルを使用して予測を行う方法です。
