Profiler viene utilizzato per comprendere i modelli di scatole nere ma non possiamo vedere la distribuzione dei dati in esso contenuti.
Come possiamo aggiungerli in JMP 14 o 15?
Questo è importante per sapere se stiamo interpolando o estrapolando.
Ad esempio (immagine modificata, vedi conversazione sotto)
Questa immagine mi aiuta enormemente, dato che sicuramente mi mancava l'aspetto che volevi questo grafico. Questo è un buon suggerimento che ti incoraggerei a inserire nella Wish List di JMP.
Grazie per l'esempio, questo è quello che vorrei vedere in questo caso:
A volte, code lunghe o valori anomali che fanno parte dei dati iniziali possono essere fuorvianti nel profiler. Iniziare con modelli basati su partizioni (ad es. bootstrap) è un modo rapido per descrivere i fattori data la loro robustezza tra questi. Poiché il profiler non mostra i dati, potrebbero esserci molte iterazioni che tracciano e visualizzano quelli.
Un altro esempio è se hai due modalità distanti, mostrare la distribuzione ti aiuterà a individuare le situazioni paradossali di Simpson.
Grazie per aver condiviso. Solo alcuni pensieri da tenere a mente su questo.
Primo, e probabilmente più importante, JMP 15 è già uscito, quindi questa funzione non sarà nella versione 15! Puoi guardare nell'area della lista dei desideri di JMP per vedere se qualcuno l'ha già suggerito e, in tal caso, votarlo. Se non è presente, puoi sempre aggiungere la funzione.
Sto guardando il link che hai fornito e non c'è un testo reale per spiegare cosa sto guardando. Ma tutti i buoni grafici dovrebbero essere autoesplicativi e penso di vedere cosa sta succedendo qui. Ma rivelazione completa: potrei ancora mancare qualcosa, quindi tienilo a mente mentre leggi il resto dei miei commenti.
Quando JMP crea il profiler, gli intervalli per le variabili di input sono determinati dai dati, quindi l'estrapolazione richiede un intervento aggiuntivo da parte dell'utente. Poiché gli intervalli per gli input formeranno una regione cuboidale (o ipercuboidale), l'estrapolazione sarebbe possibile solo se le relazioni tra gli input fanno sì che la capacità sia al di fuori dell'intervallo di dati, ma all'interno della regione cuboidale. Le trame che mostri (credo) soffrirebbero dello stesso problema.
Il profiler traccia le relazioni dal modello, il che in realtà rende le cose molto più pulite. Ad esempio, supponiamo di adattare un modello di regressione Y=B0 + B1*X1 + B2*X2 +B12*X1*X2. Otterrai un profiler che mostra le relazioni modellate. Se dovessi provare a mettere i dati su quel grafico, non sono sicuro di dove andrebbero. Andrebbe nel profiler per X1? X2? Ripeti i dati sia in X1 che in X2? Se la parte X1 del grafico è solo un grafico a dispersione di X1 rispetto a Y, il grafico potrebbe essere fuorviante perché l'interazione di X1 e X2 rende il grafico a dispersione Y vs X1 non informativo poiché l'interazione potrebbe nascondere la relazione X1, Y. In altre parole, potresti guardare l'immagine e dire che il modello non sta andando bene, quando in realtà sta andando alla grande perché l'interazione è una parte importante del modello.
Un altro modo per capire quanto bene il modello sta prevedendo la risposta e mostrando i dati di risposta effettivi sarebbe guardare il grafico osservato rispetto a quello previsto. Mostra gli intervalli dei dati osservati, vedi le previsioni del modello (inclusi modelli molto complicati e molti fattori) e vedi quanto bene il modello sta prevedendo.
Sto includendo una piccola tabella di dati che ho creato per illustrare il mio punto. I grafici a dispersione di X1 e X2 rispetto a Y mostrano una relazione scarsa, se del caso. Ma il modello con l'interazione è molto significativo e il grafico osservato rispetto a quello previsto lo mostra molto chiaramente. Notare anche gli intervalli per X1 e X2 sul profiler. Sono all'incirca da -3 a 3, lo stesso intervallo per X1 e X2 che si trova nei dati.
Infine, poiché il collegamento che hai fornito li chiamava "trame di dipendenza parziale", forse vuoi esaminare i grafici di leva forniti da JMP. Il grafico della leva, sebbene calcolato in modo diverso (e la mia spiegazione li sta spiegando in modo "non tecnico"), mostra le relazioni tra la risposta e gli input, dopo aver aggiustato per l'impatto delle altre variabili, solo come deve fare una "trama di dipendenza parziale". Penso che l'immagine potrebbe essere sempre più vicina a quello che vuoi.
Sicuro.
Questo è un esempio in cui puoi vedere la previsione con una sovrapposizione delle distribuzioni (sta usando grafici di dipendenza parziale, ma è qualcosa per visualizzare cosa può fare il profiler).
https://www.researchgate.net/figure/Fig-B2-Noxious-model-Partial-dependence-plots-improvements-of-the-final-GBM-model-as_fig3_274911223
Sono molto curioso di vedere cosa stai cercando di fare. Il tuo file immagine non è arrivato, potresti ripubblicare l'immagine?
