Modellazione predittiva su dati rumorosiCiao,
qualcuno ha un buon set di dati per illustrare i vantaggi di JMP Pro rispetto a JMP su dati rumorosi?
Idealmente dovremmo avere una o più variabili che rappresentano la "verità" e un'altra variabile che rappresenta "verità + rumore" ed essere in grado di dimostrare che JMP è abbastanza buono per modellare la "verità" mentre JMP Pro è necessario per modellare "verità + rumore" .
nota: mi interessa il rumore su Y(s) o Xs.
Grazie per l'aiuto.
Emanuele
Emanuele
Re: Modellazione predittiva su dati rumorosiCiao @Emmanuel_Romeu ,
Vedo che non hai ricevuto risposta. Mi ci è voluto un po' per capire cosa chiedi qui. Penso di aver capito ora.
Penso che intendi un problema di modellazione con una Y simulata e versioni di questa Y con diverse quantità di rumore. Ci si aspetterebbe che all'aumentare della quantità di rumore, ci sarebbe una differenza crescente nelle prestazioni dei modelli JMP rispetto a JMP Pro. Cioè, ti aspetteresti che con un rumore maggiore, i modelli in JMP sarebbero sovradimensionati. Considerando che la convalida di JMP Pro dovrebbe proteggerti dall'overfitting.
Non ho un esempio come questo. Non dovrebbe essere così difficile per te crearne uno.
Tuttavia, non sono sicuro di quanto sarà convincente la differenza. Secondo la mia esperienza, le persone non acquistano JMP Pro perché dimostri che possono ottenere un R^2 di 0,9 anziché 0,8.
Saluti!
Fil
Re: Modellazione predittiva su dati rumorosiCiao Fil,
Sì, questo è il mio obiettivo. Ho aggiunto un rumore casuale a :Dissolution in "Tablet Production" e ho utilizzato lo screening del modello, sfortunatamente il risultato è deludente (r² basso, modello inappropriato). Sto pensando di utilizzare PLS che forse funzionerà meglio per gestire i dati rumorosi (rumore su più risposte correlate), ma che non mi aiuterà a vendere JMP Pro.
Emanuele
Re: Modellazione predittiva su dati rumorosiPenso che il set di dati del tablet sia probabilmente troppo piccolo perché la convalida sia efficace.
Hai dato un'occhiata a questo caso di studio:
https://community.jmp.com/t5/Technical-Reference-Library/High-Throughput-Screening/ta-p/385091
Non ho avuto il tempo di testarlo rigorosamente. Ma da una rapida esplorazione sembrava che anche per campioni di dati relativamente piccoli (~150 righe), i metodi di apprendimento automatico con convalida in JMP Pro superassero i modelli standard.
Re: Modellazione predittiva su dati rumorosiCiao Emanuele,
Come cliente, ho sempre riscontrato che uno dei vantaggi di JMP Pro consisteva non nella creazione di modelli perfetti e più nell'avere maggiore fiducia nei modelli con gli strumenti di convalida. Forse potresti mostrare in JMP con quanta facilità potresti adattare i modelli per ottenere un falso senso di realizzazione e quindi mostrare come con JMP Pro e tutti gli strumenti di convalida potresti identificare più facilmente i modelli overfit e quelli che potrebbero non generalizzare bene? Suppongo che sia l'opposto di quello che volevi, ma in alcuni casi mostrare un R2 inferiore con Pro potrebbe essere un punto di forza se ottieni un migliore senso dell'incertezza e delle prestazioni dei modelli sui dati di convalida e test. Ovviamente tutti gli strumenti di modellazione extra dovrebbero permetterti di costruire modelli migliori, ma penso che soprattutto tu abbia più fiducia in quei modelli.
Giuseppe
Re: Modellazione predittiva su dati rumorosiGrazie, Giuseppe. È fantastico avere la "voce del cliente". Questo è ciò che ho sempre detto ai potenziali clienti di JMP Pro: maggiore fiducia nei tuoi modelli con la convalida.
