こんにちは。 良い朝、みんな。
これはサイジャックラミと私もつ私のチームメイト、貂蝉。
基本的、私たちそれはa仕事分析卒業学生
からコネチカット大学スタンフォード キャンパス。
少しだいたい私たちの露出にJMP。
私たちもつ広範囲に使用済みJMP
の私たちのP編集モデルコースの私たちの一学期.
私たち感じたこれはaとても簡単ととてもパワフル道具、
とそこにははa多く私たちできるするからそれ。
私たちそれはまだ探検するの多くの特徴ののJMP。
今日、私たちそれはここに夏に行った作品を紹介します
それは心です失敗予測使用してモダンふるい分けプラットホーム。
私たちそれは呼び出しそれ改善されたなぜなら私たち使用いくつかのJMP プラットフォーム
にてこの作用予測。
到来にの議題今日、それでこれはただを概要滑り台
からどれのあなただろう得るの要旨の何私たちそれはやって、
私たち話しましただいたい続いたにの三つスライド、
どれの私たちどこ私たち話だいたい前処理
といくつかのエダ、どれの私たちもつ終わり、とのモデリング。
到来にの序章、
私たち知るそれか循環器疾患
はの番号一引き起こすのの死世界的に、
主張するを推定の70.9億の命の2019年。
それアカウントためにその周り32 %の死亡者（数）世界的に毎日年。
の私たちの問題、それで私たちもつ取った集まったデータ設定、
と私たち発展したa分類モデルために分類の心臓疾患。
私たちまたてこの作用これ予測使用してのモデルふるい分け、
モーダル比較と添付ファイル特徴ののJMP 16.
のモデル出力意思ヘルプの理解の重要性の要因
それかそれはリーディングに心臓疾患との確率。
私たちまた探すの確率の現像の心臓疾患、
下にない限りc決定する条件。
要約私たちの目的はに建てるの一番モデルと探すの要因
それかそれはリーディングにの心臓失敗使用してのJMP16プラットホーム。
到来にa方法論と少しだいたい私たちのデータ設定、
のデータ設定含まれているその周り918参加者から違う国。
そこにはそれは11要因関連するに心臓失敗、
そのようなとして年、セックス、血プレッシャー、と血グルコース。
私たちが行った方法に私たちの予測
は私たち最初に実行するの前処理ののデータ
に探検するもしもそこにはそれはどれでもない値またどれでも外れ値。
さらに、私たちは行われたのエダ分析に理解の重要性
との関係のの各特徴の関係にの心臓失敗。
に建てるのモデル、
私たち組み込まれたのJMPに従う16機能の私たちの方法論。
の初めにすることはのモデルふるい分け。
どれのはを効率的プラットホーム、 a同時にフィッティング、
比較すると探索し、選択する
とそれから展開中の一番予測的なモデル。
の次来るのモデル比較、どれのを簡単プラットホーム
に比較と選択するの一番-実行する予測的なモデル。
次ダッシュボードが来るはを効率的道
により良い私たちを代表するエダ簡潔に。
私たちできる走るどれでも時間としての新しいデータは利用可能。
わたしは到来に私たちの結果。
これはただ概要のの結果どれの私たちもっていた。
使用するのモデルふるい分け、
私たち特定されたそれかのブーストされた木は私たちの一番モデル。
私たち選ぶと私たちもつまたいいえただの上正確さ。
私たち集中の上どれのは持つの少しでも一レート、
なぜなら私たちするいいえ欲しい私たちのモデルにもつ高い間違いポジティブ、
なぜなら私たちしないでください欲しいの心臓レート、
好き心臓失敗予測する忍耐いいえに仕事としていいえ検出されました。
に基づくこれ、私たちもつ選ばれたのブーストされた木として私たちの一番モデル。
到来にの桁貢献、
それでいつ私たちそれは、私たちがいつ試したに識別
何それはの重要要因それかそれは引き起こすの心臓失敗予測。
使用時のブーストされた木、
私たち特定されたそれか運動狭心症、
それでどれのはもしもa人もっている
のの-使用痛み期限にエクササイズ
とまた断食Bs、血糖値、
安静時心電図、ST_slope、胸痛タイプ
は 11 のうちのいくつかのパラメータであり、
の約 75% に貢献しています。心不全。
次に、より詳細な分析が行われます。貂蝉はそうするだろうなれ取るお手入れ。
さて、その後ふるい分け終えたの基本情報ののデータ、
そのようなとして目標特徴、予測的な変数、データ種類、
私たちの分析仕事意思始めるとデータクリーニング。
私たち必要に対処とない値と全てレイヤー最初に得るa綺麗データ。
JMP提供しますaバラエティの方法に探検と対処と彼ら。
ためにのない価値、 JMPはできる画面の詳細
ののまとめテーブルめったにない画面彼らの細胞プロットまた木地図。
今日、私たち見せるの統計テーブルここ、
どれのはまたa道に得る情報私たち欲しい。
私たちできる見るそれかそこにははいいえない価値の私たちのデータ。
しかしいつあなたさらに遠く探検のデータ分布、あなた意思探すそれか
いくつかの指標使用の番号ゼロに交換のない価値。
私たち扱うのデータゼロと消すとのメディア交換品なぜなら
の価値のの鉛インジケータできないなれゼロ。
ためにの外れ値、
箱ひげ図と探検外れ値モジュールそれは一般メソッド。
今日、私たち使用の外れ値アナ溶解機能、
とありますa多変量モジュール、
どれの反射の距離のa多次元空
の中へこれマハラノビス距離グラフ。
私たちもつ保持これ外れ値この中で分析なぜなら私たち検討それか
これは一般現象の医学テスト結果。
後完了これらはステップ、
私たち得るの綺麗データ、とそれから私たち入力のデータ探査ステージ。
のこれステップ、私たち造られたいくつかの普通に使用済み
のチャートに見せるいくつかの情報含まれている額データ。
JMP提供します私たち多くの選択肢のこの部分
そのようなとして木地図、指輪チャート、バーチャートとゼロ。
からこれらはグラフ、私たち知るそれかの割合の男
苦しむから心臓失敗は二回それかそれは女性。
80 %の忍耐と心臓失敗もつ糖尿病
と77人もついいえ症状の胸痛み、
どれの明らかにするの知覚不能のの疾患。
後私たち描くこれ使える結論、
私たち来てにのモデリングステージにさらに遠く探検の関係間データ。
いつあなたそれはやっているデータ分析、
あなた5月いつもの考え何モデル私欲しいに建てる、
また何モデル行う一番。
モデルふるい分け関数のJMP役立ちます私たち
解決これ問題でとても直感的道。
あなたただ必要に引っ張るの目標変数
との予測変数にの対応ポジション。
JMPはヘルプあなた走るまた適切なモデル。
のこれ分析、 JMP書き込み九モデル自動的、
含む回帰モデル、ブーストツリー、ニューラルねえ動作とそれでの上。
あなたできる得るa詳細なとクリア出力。
もしもあなたそれだけお手入れだいたいの結果、
のまとめテーブルできるヘルプあなた選ぶの一番モデル、
どうにかあなた検討残差またフィッティング程度。
もしもあなた欲しいに知るの詳細、
のパラメーターとの結果の各モデル、
あなたただ必要にクリックのモデルあなた欲しいに意見の詳細部、
とあなたできる理解のパフォーマンスののモデルから全て側面。
ここ私たちインターセプトaパラメーター、コンピューターマトリックスとプロファイラー。
のプロファイラー、あなたできる入力新しいデータ
に観察の変化訓練の各変数と得るの予測するの結果。
私たち見るそれかの影響の年はいいえ重要、
どれの5月なれ対抗するに私たちの組み合わせ。
どこ性別、糖尿病とST_スロープそれはの主要影響要因。
さらに、のこれらは結果、
私たち支払い注意にの誤分類レート、
特にはa間違いネガティブ価値、
なぜならそれ意味それかの忍耐強いもっている心臓失敗、
と私たち予測するそれか彼するいいえ、
どれの5月鉛にとても深刻結果。
の一番パフォーマンスモデル私たちで選択これ分析は想定に下降
どれのもっているの最低の誤分類レートとの最高感度。
それから私たちできる保存全ての予測式
との結果ために使用ののモデル比較。
モデル比較により、もっと簡潔と直感的フォーマット
に見せるモデルパフォーマンス指標、
どれのは便利ために私たちに作るの最後の選択。
今、私取った終えたにの最後部の私たちのプレゼンテーション、どれのはのダッシュボード。
使用するのダッシュボード特徴、
私たち作成したa効用どこ私たち追加したいくつかの重要特徴、
どれの私たち議論した前、とどれのそれは批判的に影響の心臓レート。
ここ私たちできる相互作用に提供するの入力
好き私できる選ぶ男また女性、
と私たちできる平選ぶの胸痛みタイプ。
また、なにのST_ロープパターン、とまた、なにの過剰のゲノム？
に基づくこれ、私できる相互作用との効用、
とまたベースの上それか、それ意思画面の確率のの心臓レート、
どれのはaかわいい使える特徴。
それか来るにの最後部。
の結論、私ただ欲しいに要約します。
私たち使用のモダン画面プラットホーム、と終えたどれの私たち探検
最高の予測モデリングためにの心臓失敗予測。
私たちまたてこの作用なんでもいいの仕事私たち使ってみてのJMP16ダッシュボード。
どれの私たち発展a効用に発展を相互の作用プラットホーム
それか出力の確率のの心臓失敗ベースの上の入力とパラメーター。
それは全て私たちもつために今日。
感謝あなた。
