Bonjour, Je suis Ron Kenneth.
Ce est un articulation parler avec Chris Gotwalt.
Nous l'avons dit en allant à parler à toi à propos des modèles.
Les modèles sont utilisé largement.
Nous Espoir à apporter quelques supplémentaire perspective
sur comment à utiliser des modèles dans général.
Nous appel le parler
"Différent objectifs, différent des modèles:
Comment à utiliser des modèles à aiguiser ton des questions."
Mon partie volonté être un introduction, et Je vais donner un exemple.
Vous allez avoir accéder à le données Je suis en utilisant.
Alors Chris volonté continuer avec un plus complexe exemple,
introduire le FORME valeurs disponible dans JMP 17,
et fournir quelques conclusions.
Nous tous savoir que tous des modèles sont faux,
mais quelques sont utile.
Sam Carline dit quelque chose différent.
Hé dit que le but de des modèles est pas à ajuster le données,
mais à aiguiser le question.
Alors ce gars, Paul Picasso, Hé dit quelque chose dans...
Hé décédé dans 1973, donc toi peut imaginer quand ce était dit.
je pense dans le tôt '70 s.
"Des ordinateurs sont inutile. Ils peut seulement donner toi réponses."
Hé est plus dans doubler avec Carlin.
Mon prendre sur c'est ça
cela présente la différence clé entre un modèle et un ordinateur programme.
Je suis regarder à le modèle depuis un statisticien perspective.
Transaction avec Les boîtes célèbre déclaration.
"Oui, quelques sont utile.Lequel ceux ?"
S'il te plaît aide nous.
Qu'est-ce que toi signifier par quelques sont utile?
C'est pas très utile à dire que .
Je vais à Karlin, "Aiguiser le question."
D'accord, c'est ça un bien idée.
Comment faire Bien faire que?
Le indiquer est que Boîte semble concentré sur la phase d'analyse des données
dans la vue du cycle de vie des statistiques, qui commence par l'élicitation du problème,
se déplace à but formulation, données collection, données analyse,
résultats, opérationnalisation de découverte
communicationnel résultats, et impact évaluation.
Karlin est plus concentré sur le problème élicitation phase.
Ces deux citations de Boîte et Carline
référer à différent étapes dans ce vie faire du vélo.
Le données Je suis en allant à utiliser est un industriel données ensemble,
174 observations.
Nous avoir capteurs données.
Nous avoir 63 capteurs.
Ils sont étiqueté 1, 2, 3, 4 à 63.
Nous avoir deux réponse variables.
Ces sont à venir depuis essai quelques systèmes.
Le statut rapport est Échec de passage.
52,8% de le systèmes que prendre testé échoué.
Nous avoir un autre rapport,
lequel est un plus détaillé rapport sur test résultats.
Quand les systèmes échouer,
Bien avoir quelques classification de le échec.
Test résultat est plus détaillé.
Statut est va ne va pas.
Le but est à déterminer le système statut depuis le capteurs données
donc que Bien peut peut être éviter le frais et retards de essai,
et Bien peut avoir quelques tôt prédictions sur le foi de le système.
Un approche Bien peut prendre est à utiliser un boosté arbre.
Nous mettre le statut comme réponse, les 63 capteurs X, facteurs.
Le boosté arbre est qualifié séquentiellement, un arbre à un temps.
T Hé autre modèle puis dit en allant à utiliser est aléatoire forêt,
et c'est ça fait avec indépendant des arbres.
Là est un séquentiel aspect dans boosté des arbres
que est différent depuis aléatoire les forêts.
Le installation de boosté des arbres implique trois paramètres:
le nombre de des arbres, profondeur de des arbres, et le apprentissage taux.
Ce est quoi JMP donne comme un défaut.
Boosté des arbres peut être utilisé à résoudre la plupart objectif les fonctions.
Nous pourrait utiliser il pour poisson régression,
lequel est transaction avec compte que est un morceaux Plus fort à atteindre
avec aléatoire les forêts.
Nous l'avons dit en allant à se concentrer sur ces deux les types de des modèles.
Quand Bien appliquer le boosté arbre,
et Bien avoir un validation ensemble en haut
avec 43 systèmes dessiné au hasard comme le validation ensemble.
Cent trente et un systèmes est utilisé pour le entraînement ensemble.
Nous sont obtenir un 9,3% erreur de classification taux.
Trois échoué systèmes.
Nous savoir qu'ils échoué parce que Bien avoir il dans le données,
prendre en fait classifié comme passer.
Le 20 que passé, 19 prendre classifié comme passer.
Le FAUX prédit passer est 13 %.
Nous peut regarder à le variable colonne contributions.
Nous voir que Capteur 56, 18, 11, et 61 sont le haut quatre
dans termes de contribuant à ce classification.
Nous voir que dans le entraînement ensemble, Bien avait zéro erreur de classement.
Nous pourrait avoir quelques sur je m'adapte n ce BT application.
Si Bien regarder à le ascenseur courbe,
40 % de le les systèmes, Bien peut obtenir sur deux ascenseur
lequel est les performances que nous offre ce classificateur.
Si Bien essayer le huées piège forêt,
un autre options, encore, Bien faire le même chose.
Nous utiliser le même validation ensemble.
Le valeurs par défaut de JMP sont donnant vous en avez paramètres
pour le nombre de des arbres
et le nombre de caractéristiques à être choisi à chaque mode.
Ce est comment le aléatoire forêt travaux.
Toi devrait être conscient que ce est pas très bien
si toi avoir catégorique variables et manquant données,
lequel est pas notre cas ici.
Maintenant, le erreur de classification taux est 6.9, inférieur que avant.
M le entraînement ensemble, Bien avait quelques erreur de classement.
Le aléatoire forêt appliqué à le test statut,
lequel moyens quand Bien avoir le détails sur le les échecs est 23.4,
donc mauvais performance.
Aussi, sur le entraînement ensemble, Bien avoir 5% erreur de classement.
Mais Bien avoir maintenant un plus large gamme de choix
et cela explique quelques de le inférieur performance.
Dans le ascenseur courbe sur le test résultats,
Bien en fait avec assez bien performance,
peut prendre en haut le haut dix % de le systèmes avec un effet de levier de au-dessus de dix.
Donc Bien avoir plus de dix pli augmenter pour dix % de le systèmes
relatif à le grandiose moyenne.
Maintenant ce est posant un question- souviens-toi le sujet de le parler-
quoi sont Bien regarder à?
Faire Bien vouloir à identifier haut score bien systèmes ?
Le aléatoire forêt serait faire que avec le test résultat.
Ou faire Bien vouloir à prédire un haut proportion de passer?
Le arbre d'amorçage serait offre que.
UN secondaire question est à regarder à quoi est affectant ce classification.
Nous peut regarder à le colonne contributions sur le boosté arbre.
Trois de le quatre en haut variables montrer en haut aussi sur le aléatoire forêt.
Si Bien utiliser le statut réussite/échec,
ou le détaillé résultats,
là est un beaucoup de similarité sur le importance de le capteurs.
Ce est juste donnant toi quelques arrière-plan.
Chris est en allant à suivre en haut avec un évaluation de le sensibilité
de ce variable importance, le utiliser de FORMER v valeurs
et des trucs plus intéressants.
Ce va dos à interrogatoire quoi est ton but,
et comment est le modèle portion toi chiffre dehors le but
et peut être affûtage le question que vient depuis le déclaration de le but.
Chris, c'est tout à vous.
Merci, Ron.
Je suis en allant à prendre en haut depuis où Ron laisser derrière soi
et chercher un modèle que volonté prédire si ou pas un unité est bien ou pas,
et si il n'est-ce pas qu'est-ce que c'est le probablement échec mode que a résultat?
Ce serait être utile en cela si un modèle est bien à prédire bien unités,
Bien Peut pas avoir à sujet eux à beaucoup plus loin essai.
Si le modèle donne un prédit échec mode,
puis dit capable à obtenir un tête commencer sur diagnostiquer et fixation le problèmes,
et peut-être, Bien Peut être capable à obtenir quelques astuces
sur comment à améliorer le production processus dans le avenir.
Je suis en allant à aller à travers le séquence
de comment je approché répondre ce question depuis le données.
je vouloir à dire à le sortir que ce est simplement le chemin que je prendre
comme je demandé des questions de le données et agi sur divers motifs que je voir.
Là sont littéralement beaucoup autre façons que un pourrait procéder avec ce.
Il y a souvent pas vraiment un vraiment correct répondre,
juste un critère pour si ou pas le modèle est bien assez
et le montant que tu es capable à obtenir fait
dans le temps que toi avoir à obtenir un résultat dos.
je avoir Non doute que là sont mieux des modèles dehors là
que quoi je est venu en haut avec ici.
Notre but est à montrer un réel processus de s'attaquer un prédiction problèmes,
illustrant comment un peut se déplacer avant
par itérer à travers cycles de la modélisation et visualisation,
suivi par observer le résultats et en utilisant eux à demander un autre question
jusqu'à Bien trouver quelque chose de un répondre.
je volonté être en utilisant JMP comme un statistiques Suisse armée couteau,
en utilisant beaucoup outils dans JMP
et suivant le intuition je avoir à propos la modélisation données
que a construit en haut sur beaucoup années.
D'abord, allons juste prendre un regarder
à le fréquences de le divers test résultat catégories.
Nous voir que le le plus grand et la plupart fréquent catégorie est Bien.
Bien probablement avoir le la plupart chance être capable à prédire que catégorie.
M le autre mains, le SOS catégorie a seulement deux événements
donc c'est en allant à être très difficile pour nous à être capable à faire beaucoup avec que catégorie.
Nous Peut avoir à ensemble que un à part.
Bien voir à propos que.
Vitesse II, LUTIN, et Frein
sont tous assez rare avec cinq ou six événements chaque.
Là Peut être quelques limites dans quoi puis dit capable à faire avec eux comme Bien.
je dire ce parce que Bien avoir 174 observations
et Bien avoir 63 prédicteurs.
Donc Bien avoir un beaucoup de prédicteurs pour un très petit nombre de des observations,
lequel est en fait même plus petit quand toi considérer le fréquences
de quelques de le catégories que puis dit en essayant à prédire.
Nous l'avons dit en allant à avoir à travail de manière itérative par faire visualisations dans la modélisation,
reconnaître motifs, demander des questions,
et alors agissant sur ceux avec un autre la modélisation étape de manière itérative
dans commande à trouver un modèle c'est ça en allant à faire un bien emploi
de prédire ces réponse catégories.
je avoir le données trié par test résultats,
donc que le bien résultats sont à le début,
suivi par chaque de le différent échec modes d cette morsure après que.
je est allé devant et coloré chaque de le Lignes par test résultats donc que Bien peut voir
lequel observation fait parti à un particulièrement réponse catégorie.
Donc alors je est allé dans le modèle- conduit multivarié contrôle graphique
et je apporté dans tous de le capteurs comme processus variables.
Depuis je avait le bien test résultats à le début,
je étiqueté ceux comme historique observations.
Ce nous donne un T² graphique.
C'est choisi 13 principal Composants comme c'est base.
Quoi Bien voir ici
est que le graphique est dominé par ces deux points droite ici
et tous de le autre points sont très petit dans valeur
relatif à ceux deux.
Ces deux points se produisent à être le SOS points.
Ils sont très sérieux valeurs aberrantes dans le capteurs lectures.
Depuis Bien aussi seulement avoir deux observations de ceux,
Je suis en allant à aller devant et prendre ceux dehors de le données ensemble
et dire eh bien, SOS est évidemment donc mauvais que le capteurs
devrait être juste en volant désactivé le graphiques.
Si Bien rencontre il, puis dit juste en allant à aller devant
et essayer à préoccupation nous-mêmes avec le autre valeurs
que ne le faites pas avoir ce désactivé- le- graphiques comportement.
Commutation à un enregistrer échelle, Bien voir que le bien test résultats
sont assez Bien -s'est comporté.
Alors il y a certainement signaux
dans le données pour le différent échec modes.
Maintenant Bien peut percer vers le bas un petit morceaux Plus profond,
prise un regarder à le contribution parcelles pour le historique données,
le bien test résultat données, et le échec Modes
à voir si nous motifs émerger dans le capteurs que Bien peut acte sur.
Je suis en allant à retirer ceux deux SOS observations
et sélectionner le bien unités.
Si je clic-droit dans le parcelle,
je peut apporter en haut un contribution parcelle
pour le bien unités, et alors je peut aller sur à le unités
où là était un échec, et je peut faire le même chose
et Bien être capable à comparer le contribution parcelles côté par côté.
Donc quoi Bien voir ici sont le contribution parcelles
pour le passer unités et le échouer unités.
Le contribution parcelles
sont le montant que chaque colonne est contribuant à le T ²
pour un particulièrement rangée.
Chacun des le barres là correspondre à un individuel capteurs pour que rangée.
Contribution parcelles sont coloré vert quand que colonne est dans trois sigma,
en utilisant un personnes et en mouvement gamme graphique,
et c'est rouge si c'est dehors de contrôle.
Regarder Bien voir la plupart de le capteurs sont dans contrôle pour le bien unités,
et la plupart de le capteurs sont dehors de contrôle pour le échoué unités.
Quoi je était en espérant pour ici
serait avoir a été si là était seulement un sous-ensemble de le Colonnes
ou capteurs que prendre dehors de contrôle sur le échoué unités.
Ou si je était capable à voir motifs
que modifié à travers le différent échec modes,
lequel serait aide moi isoler quoi variables sont important
pour prédire le test résultat résultat.
Malheureusement, joli beaucoup tous de le capteurs
sont dans contrôle quand des choses sont bien,
et la plupart de eux sont dehors de contrôle quand des choses sont mauvais.
Nous allons donc avoir à utiliser quelques plus sophistiqué la modélisation
à être capable à tacle ce prédiction problème.
Ayant pas trouvé rien dans le colonne contributions des parcelles,
Je suis en allant à dos en haut et retour à le deux des modèles que Ron trouvé.
Regarder sont le colonne contributions pour ceux deux des modèles,
et Bien voir que il y a quelques accord dans termes de
quoi sont le la plupart important capteurs.
Mais boosté arbre trouvé un quelque peu plus grand ensemble de capteurs comme être important
sur le amorcer forêt.
Lequel de ces deux des modèles devrait Bien confiance plus?
Si Bien regarder à le dans l'ensemble modèle ajuster rapport,
Bien voir que le boosté arbre modèle a un très haut entraînement RS carré de 0,998
et un quelque peu plus petit v alidation RS carré de 0,58.
Ce regards comme un surajustement situation.
Quand Bien regarder à le aléatoire forêt, il a un quelque peu plus petit entraînement RS carré,
peut-être un plus réaliste un, que le amorcer forêt,
et il a un quelque peu plus grand validation RS carré.
Le généralisation performance de le aléatoire forêt
est avec un peu de chance un petit morceaux mieux.
Je suis incliné à confiance le aléatoire forêt modèle un petit morceaux plus.
Partie de ce est en allant à être basé sur juste le folklore de ces deux des modèles.
Boosté des arbres sont renommé pour être rapide, très précis des modèles
que travail Bien sur très grand ensembles de données.
Alors que le ouï-dire est que aléatoire les forêts sont plus précis sur plus petit ensembles de données.
Ils sont assez robuste, désordonné, et bruyant données.
Il y a un long histoire de en utilisant ces gentil de des modèles
pour variable sélection que va dos à un papier dans 2010
que a a été cité presque 1200 fois.
Donc ce est un populaire approche pour variable sélection.
je a fait un similaire recherche pour stimuler,
et je n'a pas assez voir comme beaucoup histoire autour variable sélection
pour boosté des arbres comme je a fait pour aléatoire les forêts.
Pour ce donné données définir r droite ici,
Bien peut faire un sensibilité analyse à voir comment fiable
le colonne contributions sont pour ces deux différent approches,
en utilisant le simulation capacités dans JMP Prof.
Quoi Bien peut faire est créer un aléatoire validation colonne
que est un formule colonne
que toi peut réinitialiser et volonté cloison le données
dans aléatoire entraînement et résistant ensembles de le même portions
comme le original validation colonne.
Nous peut avoir il rediffusion ces deux analyses
et garder piste de le colonne contribution portions
pour chaque de ces répartitions.
Nous peut voir comment cohérent le l'histoire est
entre le boosté arbre des modèles et le aléatoire les forêts.
Ce est joli facile à faire.
Nous allons juste à le Faire Validation Colonne utilitaire
et quand Bien faire un nouveau colonne, Bien demander il à faire un formule colonne
donc que c'est pourrait être réinitialisé.
Alors Bien peut retour à le amorcer forêt plate-forme,
droite- Cliquez sur sur le colonne contribution des portions,
sélectionner Simuler.
Ce sera apporter en haut un dialogue
demander nous lequel de le saisir Colonnes Bien vouloir à changer dehors.
Je suis en allant à choisir le validation colonne,
et Je suis en allant à changer dans en remplacement de il,
ce aléatoire validation formule colonne.
Nous l'avons dit en allant à faire c'est une centaine fois.
Amorcer forêt est en allant à être rediffusion
en utilisant nouveau aléatoire cloisons de le données dans entraînement et validation.
Nous l'avons dit en allant à regarder à le distribution de le portions
à travers tous le simulation court.
Ce volonté générer un base de données
de colonne contribution portions pour chaque capteurs.
Nous peut prendre ce et aller dans le graphique constructeur
et prendre un regarder et voir comment cohérent ceux colonne contributions sont
à travers tous ces aléatoire cloisons de le données.
Regarder est un parcelle de le colonne contribution portions
depuis chaque de le 100 aléatoire remaniements de le validation colonne.
Ces points Bien voir dans gris ici,
Capteur 18 semble à être régulièrement un grand donateur, comme fait Capteur 61.
Nous aussi voir avec ces rouge des croix,
ceux sont le colonne contributions depuis le original analyse que Ron a fait.
Le dans l'ensemble histoire que ce raconte est que le tendance
je s que chaque fois que le original colonne contribution était petit
ceux concernant simulé colonne contributions aussi soigné à être petit.
Quand le colonne contributions prendre grand dans le original analyse,
ils soigné à rester grand.
Nous l'avons dit obtenir un relativement cohérent histoire depuis le amorcer forêt
dans termes de quoi Colonnes sont important.
Maintenant Bien peut faire le même chose avec le boosté arbre,
et le résultats ne sont pas assez comme cohérent comme ils prendre avec le amorcer forêt.
Donc ici est un bouquet de Colonnes
où le initial colonne contributions est venu dehors très petit
mais ils avait un plus substantiel contribution
dans quelques de le aléatoire remaniements de le validation colonne.
Que aussi arrivé assez un morceaux fini avec ces Colonnes 52 à travers 55 sur ici.
Alors là prendre aussi quelques situations
où le original colonne contribution était assez grand,
et la plupart, si pas tous,
de le autre colonne contributions trouvé dans le simulation prendre plus petit.
Que arrive ici avec Colonne 48,
et à quelques étendue aussi avec Colonne 11 sur ici.
Le dans l'ensemble conclusion être que je pense ce validation mélanger
est indiquant que Bien peut confiance le colonne contributions
depuis le amorcer forêt à être plus écurie que ceux de le boosté arbre.
Basé sur ce comparaison, je pense je confiance le colonne contributions
depuis le amorcer forêt plus,
et Je suis en allant à utiliser le Colonnes que il recommandé
comme le base pour quelques autre des modèles.
Quoi Identifiant comme à faire
est trouver un modèle que est les deux plus simple que le amorcer forêt modèle
et effectue mieux dans termes de validation ensemble performance
pour prédire passer ou échouer.
Avant procéder avec le suivant la modélisation truc
Je suis en allant à faire quelque chose que je devrait avoir probablement fait à le très début,
lequel est à prendre un regarder à le capteurs dans un nuage de points matrice
à voir comment corrélé le capteurs lectures sont,
et aussi regarder à histogrammes de eux comme Bien à voir si ils sont valeur aberrante sujet
ou fortement biaisé ou sinon très non- gaussien.
Quoi Bien voir ici est là est joli fort multicolinéarité
parmi le saisir variables en général.
Nous l'avons dit seulement regarder à un sous-ensemble de eux ici,
mais ce haut multicolinéarité persiste à travers tous de le capteurs lectures.
Ce suggestions que pour notre des modèles,
Bien devrait essayer des choses comme le logistique lasso,
le logistique élastique l'Internet, ou une logistique crête régression
comme candidats pour notre modèle à prédire passer ou échouer.
Avant Bien faire que Bien devrait aller devant
et essayer à transformer notre capteurs lectures ici
donc que ils sont un petit morceaux mieux- s'est comporté et plus gaussienne- regarder.
Ce est en fait vraiment facile dans JMP
si toi avoir tous de le Colonnes en haut dans le distribution plate-forme,
parce que tous toi avoir à faire est prise bas Alt , choisir Ajuster Johnson,
et ce volonté ajuster Johnson distributions à tous le saisir variables.
Ce est un famille de distributions
que est basé sur un quatre paramètres transformation à normalité.
Comme un résultat, Bien avoir un bon caractéristiques dans là
que Bien peut aussi diffuser en utilisant Alt Cliquez sur,
où Bien peut sauvegarder un transformation depuis le original échelle
à un échelle que fait du le Colonnes plus normalement distribué.
Si Bien aller dos à le données tableau,
Bien voir que pour chaque capteurs colonne, un transformer colonne a a été ajoutée.
Si Bien apporter ces transformé Colonnes en haut avec un nuage de points matrice
et quelques histogrammes,
Bien évidemment voir que le données sont moins biaisé
et plus normalement distribué que le original capteurs Colonnes prendre.
Maintenant le amorcer forêt modèle que Ron trouvé
seulement vraiment recommandé un petit nombre de Colonnes
pour utiliser dans le modèle.
Parce que de le haut colinéarité parmi le Colonnes,
le sous-ensemble que Bien a obtenu pourrait facilement être partie
de un plus grand groupe de Colonnes que sont corrélé avec un un autre.
Il pourrait être bénéfique à trouver que plus grand groupe de Colonnes
et travail avec que à le suivant la modélisation scène.
Un exploratoire chemin à faire ce
est à aller à travers le grappe variables plate-forme dans JMP .
Nous l'avons dit en allant à travail avec le normalisé version de le capteurs
parce que ce plate-forme est APC et facteur analyse basé,
et volonté fournir plus fiable résultats si puis dit fonctionnement avec données
que sont environ normalement distribué.
Une fois puis dit dans le variable regroupement plate-forme,
Bien voir que là est très clair,
fort les associations parmi le saisir Colonnes.
Il a identifié que là sont Sept groupes,
et le le plus grand grappe, le un que explique le la plupart variantes,
a 25 membres.
Le ensemble de grappe membres est répertorié ici sur le droite.
Allons comparer ce avec le amorcer forêt.
Regarder sur le gauche, Bien avoir le colonne contributions
depuis le amorcer forêt modèle que toi devrait être familier avec par maintenant.
M le droite Bien avoir le liste de membres
de que le plus grand grappe de variables.
Si Bien regarder étroitement Bien voir que le sept premiers contribuant termes
tous arriver à appartenir à ce grappe.
Je suis en allant à émettre une hypothèse que ce ensemble de 25 Colonnes
sont tous en rapport à quelques sous-jacent mécanisme
que causes le unités à passer ou échouer.
Quoi je vouloir à faire suivant est je vouloir à ajuster des modèles
en utilisant le généralisé régression plate-forme avec le variables dans Grappe 1 ici.
Il serait être fastidieux si je avait à aller à travers
et individuellement prendre ces Colonnes dehors et mettre eux dans le lancement dialogue.
Heureusement, il y a un beaucoup Plus facile chemin
où toi peut juste sélectionner le Lignes dans que tableau
et le Colonnes volonté être choisi dans le original données tableau
donc que quand Bien aller dans le ajuster modèle lancement dialogue,
Bien peut juste Cliquez sur Ajouter
et ceux Colonnes volonté être automatiquement ajoutée pour nous comme modèle effets.
Une fois je a obtenu dans le Généralisé Régression plate-forme,
je est allé devant et ajuster un lasso modèle et élastique filet modèle
et un crête modèle avoir eux par rapport ici à chaque autre,
et aussi à le logistique régression modèle que est venu en haut par défaut.
Nous l'avons dit voyant que le lasso modèle est faire un petit morceaux mieux que le repos
dans termes de c'est validation généralisé RS carré.
Le différence entre ces méthodes
est que il y a différent les montants de variable sélection
et multicolinéarité manutention dans chaque de eux.
Régression logistique a Non multicolinéarité manutention
et Non variable sélection.
Le lasso est plus de un variable sélection algorithme,
cependant il a un petit morceaux de multicolinéarité manutention dans il
parce que c'est un pénalisé méthode.
crête régression a Non variable sélection
et est fortement orienté autour multicolinéarité manutention.
Le élastique filet est un hybride entre le lasso et crête régression.
Dans ce cas, quoi Bien vraiment se soucier à propos
est juste le modèle c'est ça en allant à effectuer le meilleur.
Nous permettre le validation à guide nous.
Nous l'avons dit en allant à être fonctionnement avec le lasso modèle depuis ici sur.
Voici le prédiction profileur pour le lasso modèle que était choisi.
Nous voir que le lasso algorithme a choisi huit capteurs
comme être prédictif de passer ou échouer.
Il a quelques super outils intégrés
pour compréhension quoi le important variables sont,
les deux dans le modèle dans l'ensemble et nouveau à JMP Prof 17,
Bien avoir le capacité à comprendre
quoi variables sont la plupart important pour un individuel prédiction.
Nous peut utiliser le variable importance outils à répondre le des questions,
"Quoi sont le important variables dans le modèle?"
Nous avoir un variété de différent choix pour ce.
Nous avoir un variété de différent choix pour comment ce pourrait être fait.
Mais parce que de le multicolinéarité et parce que ce est pas un très grand des modèles,
Je suis en allant à aller devant
et utiliser le dépendant rééchantillonné contributions technique,
depuis Bien avoir multicolinéarité dans le données,
et ce a donné nous un classement de le la plupart important termes.
Nous voir que Colonne 18 est le la plupart important,
suivi par Colonne 27 et alors 52, tous le chemin vers le bas.
Nous peut comparer ce à le amorcer forêt des modèles,
et Bien voir que il y a accord que Variable 18 est important,
le long de avec 52, 61, et 53.
Mais un de le termes que Bien avoir tiré dans
parce que de le variable regroupement étape que Bien avait fait,
Capteur 27 se tourne dehors à être le deuxième la plupart important prédictif
dans ce lasso modèle.
Nous avons avec un peu de chance gagné quelque chose par fonderie un plus large filet à travers que étape.
Nous avons trouvé un terme que n'a pas tourner en haut
dans soit de le amorcer forêt ou le boosté arbre méthodes.
Nous aussi voir que le lasso modèle a un RS carré de 0,9,
alors que le amorcer forêt modèle avait un RS carré de 0,8.
Nous avons un plus simple modèle que a un Plus facile formulaire à comprendre
et est Plus facile à travail avec
et aussi a un plus haut prédictif capacité que le amorcer forêt modèle.
Maintenant, le variable importance métrique dans le profileur
avoir a été là pour assez quelques temps.
Le question que ils répondre est "Lequel prédicteurs avoir le plus grand impact
sur le forme de le réponse surface sur le données ou sur un région?"
Dans JMP 17 pro, Bien avoir un nouveau technique appelé FORME Valeurs
que est un additif décomposition de un individuel prédiction.
Il raconte toi par comment beaucoup chaque individuel variable contribue
à un célibataire prédiction,
plutôt que parler à propos variabilité expliqué sur le entier espace.
Le résolution de le question c'est ça répondu par Shapley valeurs
est loin plus locale que soit le variable importance outils
ou le colonne cotisations je n le amorcer forêt.
Nous peut obtenir le Shapley Valeurs par en allant à le rouge Triangle menu pour le profileur,
et Bien trouver le choix pour eux sur ici, quatrième de le bas.
Quand Bien choisir le options, le profileur enregistre dos FORME Colonnes
pour tous de le saisir variables à le modèle.
Ce est de cours, événement pour chaque rangée dans le tableau.
Quoi toi peut voir est que le FORME V valeurs sont donnant toi le effet
de chaque de le Colonnes sur le prédictif modèle.
Ce est utile dans un entier beaucoup de différent façons,
et pour que raison, c'est a obtenu un beaucoup de attention en intelligible l'IA,
parce que il permet nous à voir
qu'est-ce que contributions sont de chaque colonne à un noir boîte modèle.
Ici, j'ai tracé le FORME V valeurs pour le Colonnes que sont prédictif
dans le dernier ajustement du modèle que Bien juste construit.
Si Bien basculer dos et en avant entre le bien unités et le unités que échoué,
Bien voir le même histoire que nous avons a été voyant
avec le variable importance métrique pour ce
que Colonne 18 et Colonne 27 sont important dans prédire passer ou échouer.
Nous l'avons dit voyant ce à un plus haut niveau de résolution
que Bien faire avec le variable importance métrique,
parce que chaque de ces points correspond à un individuel rangée
dans le original base de données.
Mais dans ce cas, je ne le faites pas voir le FORME Valeurs
vraiment donnant nous nous nouveau information.
je avait espéré que par basculer à travers
le autre échec modes, peut être je pourrait trouver un modèle
à aide taquiner dehors différent capteurs
que sont plus important pour particulièrement échec modes.
Mais le seulement chose je était capable à trouver était que Colonne 18
avait un quelque peu plus forte impact sur le Rapidité Taper 1 échec mode
que le autre échec modes.
À ce indiquer, nous avons avait quelques réussi
en utilisant ceux Grappe 1 Colonnes dans un binaire passer/ échouer modèle.
Mais quand je cassé dehors le FORME Valeurs
pour que des modèles, par le différent modes de défaillance
je n'était pas capable à discerner un modèle ou beaucoup de un modèle.
Quoi je a fait suivant était je est allé devant
et ajuster le échec mode réponse colonne test résultats
en utilisant le Grappe 1 Colonnes,
mais je est allé devant et exclu tous le passer Lignes
donc que le la modélisation procédure serait se concentrer exclusivement
sur discernant lequel échec mode c'est donné que Bien avoir un échec.
je essayé le multinomial lasso, élastique l'Internet, et crête,
et je était particulièrement heureux avec le lasso modèle
parce que il a donné moi un validation RS carré de à propos 0,94.
Ayant a été joli heureux avec que
je est allé devant et enregistré le probabilité formules
pour chaque de le échec modes.
Maintenant le tâche est à viens en haut avec un simple règles
que poste processus que prédiction formule
à faire un décision à propos lequel échec mode.
je appel ce le cloison astuce.
L'astuce de la partition est où je mettre dans le probabilité formules
pour un catégorique réponse, ou même un multinomial réponse.
je mettre ceux probabilité formules dans comme X.
je utiliser mon catégorique réponse comme mon Y.
Ce est le même réponse que était utilisé
pour tous de ces sauf pour passer en fait.
je retenir le même validation colonne que j'ai a été fonctionnement avec le entier temps.
Maintenant que Je suis dans le cloison plate-forme,
Je suis en allant à frapper Diviser un couple de fois, et Je suis en allant à Espoir
que je fin en haut avec un facilement compréhensible décision règles
c'est ça facile à communiquer.
Que Peut ou Peut pas arriver.
Parfois il travaux, parfois il n'a pas.
Donc je diviser une fois, et Bien fin en haut voyant que
chaque fois que le probabilité de passer est plus haut que 0,935,
Bien presque certainement avoir un passer.
Pas beaucoup passe sont gauche sur sur le autre côté.
je prendre un autre diviser.
Nous trouver un décision règles sur ITM
que est très prédictif de ITM comme un échec mode.
Diviser encore.
Nous trouver que chaque fois que Moteur est moins que 0,945,
puis dit soit prédire Moteur ou Frein.
Nous prendre un autre diviser.
Nous trouver que chaque fois que Rapidité Taper 1, sa probabilité est plus gros que 0,08
ou probablement dans un Rapidité Taper 1 situation ou dans un Vitesse T ouais 2 situation.
Chaque fois que Rapidité Taper 1 est moins que 0,79,
puis dit probablement dans un pince échec mode ou un LUTIN échec mode.
Quoi faire Bien avoir ici? Nous avoir un simple décision règles.
Nous l'avons dit en allant à pas être capable à casser ces échec Modes vers le bas beaucoup plus loin
à cause de le très petit nombre de réel événements que Bien avoir.
Mais Bien peut tourner ce dans un simple règles
pour identifier unités que sont probablement bien,
et si ils sont pas, Bien avoir un idée de où à regarder à réparer le problème.
Nous peut sauvegarder ce décision règles dehors comme un feuille étiquette formule.
Nous voir que sur le validation ensemble,
quand Bien prédire c'est bien, c'est bien le plus de le temps.
Nous a fait avoir un erreur de classification de un Rapidité Type 2 échec
que était en fait prédit à être bien.
Prédire pinces ou LUTIN, c'est tous sur le lieu.
Que feuille était pas super utile.
Prédire ITM est 100 %.
Chaque fois que Bien prédire un moteur ou les freins,
sur le validation ensemble, Bien avoir un moteur ou un frein échec.
Quand Bien prédire un Rapidité Taper 1 ou 2,
il a fait un joli bien emploi de cueillette que en haut
avec que un exception de le célibataire Rapidité Taper 2 unité
que était dans le validation ensemble,
et Celui-la arrivé à avoir a été mal classé.
Nous avoir un facilement opérationnel règles ici que pourrait être utilisé à trier des produits
et donner nous un tête commencer sur où Bien besoin à regarder à réparer des choses.
je pense ce était un joli difficile problèmes,
parce que Bien n'a pas avoir un entier beaucoup de données.
Mais Bien n'a pas avoir un beaucoup de Lignes,
mais Bien avait un beaucoup de différent catégories à prédire
et un entier beaucoup de possible prédicteurs à utiliser.
Nous avons a obtenu là par prise un série de pas,
demander des questions,
parfois prise un étape dos et demander un plus gros question.
Autre fois, rétrécissement dans sur particulièrement sous- problèmes.
Parfois notre excursions prendre fructueux, et parfois ils ne l’étaient pas.
Notre but ici est à illustrer
comment toi peut étape à travers un la modélisation processus,
à travers ce séquence de demander des questions
en utilisant la modélisation et visualisation outils à guide ton suivant pas,
et en mouvement sur jusqu'à tu es capable à trouver
un utile, exploitable, prédictif modèle.
Merci toi très beaucoup pour ton attention.
Nous regarder avant à parler à toi dans notre Questions et réponses session à venir en haut suivant.
