개발자 튜토리얼: JMP Pro 일반화 회귀를 사용하여 관찰 데이터를 더 잘 이해하기관측 데이터는 대규모 데이터 세트, 직교성을 나타내지 않을 수 있는 데이터 및 해석보다 예측에 관심이 있는 상황에 유용한 분석에 적합합니다.Generalized Regression 플랫폼은 설계된 실험과 관찰 데이터 모두에 대한 회귀 모델을 구축하는 곳입니다.명심해야 할 사항:
1) 벌점 회귀는 관측 데이터에 대한 큰 가능성을 보여줍니다.
2) 효과 유전은 아마도 필요하지 않을 것입니다.
3) 데이터가 충분하면 홀드아웃 세트를 사용하고, 그렇지 않으면 AICc를 사용합니다.
방법 보기:
- 추정과 관련된 배경 원칙과 다음 사항을 고려해야 합니다.
- 추정치가 진실에서 얼마나 멀리 떨어져 있는지 (편향)
- 추정치의 변동성(분산)
- 추정기의 평균 제곱 오차로 편향과 분산 원리를 결합하여 측정하는 방법
- Penalized Regression 기술 이해(Ridge, Lasso, Elastic Net, Adaptive Lasso, Double Lasso, Dantzig Selector)
- JMP Pro에서 효과 유전이 어떻게 처리되는지 확인하십시오.
- 그리드 컨트롤 옵션 선택
- 강제 용어 사용, 조기 중단 및 정보 누락
자원
예측 모델링 및 머신 러닝Re: 개발자 튜토리얼: JMP Pro 일반화 회귀를 사용하여 관찰 데이터를 더 잘 이해하기@H2OSUP 프레젠테이션이 유용하다는 사실을 알게 되어 기쁩니다! 맞습니다. 예측 변수 중 하나에 누락된 값이 있는 경우 기본 동작은 장르가 전체 데이터 행을 무시하는 것입니다.
그러나 Fit Model에서 "Informative Missing" 옵션을 사용하여 이 문제를 해결할 수 있는 방법이 있습니다. Fit Model 모델 사양 대화 상자의 빨간색 삼각형 메뉴에서 찾을 수 있습니다(아래 스크린샷). 간단히 말해서 이 옵션은 누락된 값에 대해 평균 대치를 사용하고 모델에 누락에 대한 지표를 추가한다는 것입니다. 그러나 더 자세한 내용을 위해 John Sal은 다음과 같이 썼습니다. 블로그 게시물 정보 누락 옵션에 대해
Re: 개발자 튜토리얼: JMP Pro 일반화 회귀를 사용하여 관찰 데이터를 더 잘 이해하기@clay_barker 지난 가을에 튜토리얼을 보여주셔서 감사합니다. 귀하의 프레젠테이션이 매우 유용하고 잘 수행되었음을 알았습니다. GENREG가 데이터 세트에서 누락된 셀을 처리하는 방법에 대한 질문이 있습니다. 입력에 대해 하나의 셀이 누락된 경우 GENREG는 분석에서 전체 행을 제외합니까? 다른 입력에 누락된 값이 있는 경우 행에 누락되지 않은 입력이 포함된 모델의 행이 GENREG에 포함되는지 궁금합니다. 고마워, 마이크.
