Profiler는 블랙박스 모델을 이해하는 데 사용되지만 그 안에 있는 데이터의 분포를 볼 수 없습니다.
JMP 14 또는 15에 어떻게 추가할 수 있습니까?
보간법인지 외삽법인지 아는 것이 중요합니다.
예를 들어(편집된 이미지, 아래 대화 참조)
이 그림은 저에게 엄청난 도움이 됩니다. 이 그래프가 어떻게 보이길 원하는지 확실히 놓치고 있었기 때문입니다. 이것은 JMP 위시리스트에 추가하도록 권장하는 좋은 제안입니다.
예를 들어 주셔서 감사합니다. 이 경우 보고 싶은 내용은 다음과 같습니다.
때로는 초기 데이터의 일부인 긴 꼬리 또는 이상값이 프로파일러에서 오해의 소지가 있을 수 있습니다. 파티션 기반 모델(예: 부트스트랩)로 시작하는 것은 요인이 이들 사이에서 얼마나 강력한지를 고려하여 요인을 식별하는 빠른 방법입니다. 프로파일러가 데이터를 표시하지 않기 때문에 많은 반복 플로팅 및 시각화가 있을 수 있습니다.
또 다른 예는 두 개의 원거리 모드가 있는 경우 분포를 표시하면 Simpson의 역설 상황을 파악하는 데 도움이 됩니다.
공유해 주셔서 감사합니다. 이것에 대해 염두에 두어야 할 몇 가지 생각입니다.
첫째, 아마도 가장 중요한 점은 JMP 15가 이미 출시되었기 때문에 이 기능은 버전 15에 포함되지 않는다는 것입니다! JMP 위시리스트 영역에서 누군가가 이미 제안했는지 확인하고 제안했다면 투표할 수 있습니다. 없는 경우 언제든지 기능을 추가할 수 있습니다.
제공된 링크를 보고 있는데 내가 보고 있는 내용을 설명하는 실제 텍스트가 없습니다. 그러나 모든 좋은 그래프는 자명해야 하며 여기서 무슨 일이 일어나고 있는지 알 것 같습니다. 하지만 완전한 공개: 제가 아직 놓친 것이 있을 수 있으므로 제 댓글의 나머지 부분을 읽으실 때 그 점을 염두에 두십시오.
JMP가 프로파일러를 생성할 때 입력 변수의 범위는 데이터에 의해 결정되므로 외삽에는 사용자의 추가 개입이 필요합니다. 입력 범위가 직육면체 영역(또는 하이퍼 직육면체)을 형성하기 때문에 입력 간의 관계로 인해 데이터 범위를 벗어나지만 직육면체 영역 내에 있는 경우에만 외삽이 가능합니다. 당신이 보여주는 플롯은 (내 생각에) 같은 문제로 고통받을 것입니다.
프로파일러는 모델의 관계를 플로팅하여 실제로 훨씬 더 깔끔하게 만듭니다. 예를 들어 회귀 모델 Y=B0 + B1*X1 + B2*X2 +B12*X1*X2를 적합한다고 가정합니다. 모델링된 관계를 보여주는 프로파일러가 표시됩니다. 해당 그래프에 데이터를 입력하려고 하면 데이터가 어디로 갈지 잘 모르겠습니다. X1용 프로파일러에 들어가나요? X2? X1과 X2 모두에서 데이터를 반복하시겠습니까? 그래프의 X1 부분이 X1 대 Y의 산점도인 경우 X1과 X2의 상호 작용으로 인해 X1, Y 관계가 숨겨질 수 있으므로 Y 대 X1 산점도가 정보를 제공하지 않기 때문에 그래프가 오해의 소지가 있을 수 있습니다. 즉, 그림을 보고 모델이 잘 작동하지 않는다고 말할 수 있지만 실제로는 상호 작용이 모델의 중요한 부분이기 때문에 잘 작동하고 있습니다.
모델이 응답을 얼마나 잘 예측하고 실제 응답 데이터를 표시하는지 이해하는 또 다른 방법은 관측 플롯과 예측 플롯을 살펴보는 것입니다. 관찰된 데이터의 범위를 보여주고 모델의 예측(매우 복잡한 모델과 많은 요인 포함)을 보고 모델이 얼마나 잘 예측하는지 확인할 수 있습니다.
요점을 설명하기 위해 만든 작은 데이터 테이블을 포함하고 있습니다. X1 및 X2 대 Y의 산점도는 불량한 관계를 보여줍니다. 그러나 상호 작용이 있는 모델은 매우 중요하며 관찰 대 예측 플롯은 이를 매우 명확하게 보여줍니다. 또한 프로파일러에서 X1 및 X2의 범위를 확인하십시오. 그것들은 대략 -3에서 3으로, 데이터에서 발견된 X1과 X2에 대한 동일한 범위입니다.
마지막으로 제공한 링크가 "부분 의존도 도표"라고 했기 때문에 JMP가 제공하는 레버리지 도표를 살펴보고 싶을 수도 있습니다. 레버리지 플롯은 다른 방식으로 계산되지만(내 설명은 "기술적이지 않은 방식"으로 설명함) 다른 변수의 영향을 조정한 후 응답과 입력 사이의 관계를 보여줍니다. "부분 의존도 플롯"처럼 해야 합니다. 나는 그 그림이 당신이 원하는 것에 더 가까워지고 있다고 생각합니다.
확신하는.
이것은 분포의 오버레이로 예측을 볼 수 있는 예입니다(부분 종속성 플롯을 사용하고 있지만 프로파일러가 수행할 수 있는 작업을 시각화하기 위한 것입니다).
https://www.researchgate.net/figure/Fig-B2-Noxious-model-Partial-dependence-plots-improvements-of-the-final-GBM-model-as_fig3_274911223
어떤 노력을 하시는지 너무 궁금합니다. 이미지 파일이 전달되지 않았습니다. 이미지를 다시 게시할 수 있습니까?
