Profiler viene utilizzato per comprendere i modelli black box 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 moltissimo, dato che sicuramente mi mancava come volevi che fosse questo grafico. Questo è un buon suggerimento che ti incoraggerei a inserire nella lista dei desideri di JMP.
Grazie per l'esempio, questo è quello che mi piacerebbe vedere in quel 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 esempio bootstrap) è un modo rapido per descrivere i fattori data la loro robustezza tra quelli. 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.
Innanzitutto, e probabilmente la cosa più importante, JMP 15 è già disponibile, quindi questa funzionalità non sarà presente nella versione 15! Puoi consultare l'area Lista dei desideri di JMP per vedere se qualcuno l'ha già suggerito e, in tal caso, votare a favore. Se non è presente, puoi sempre aggiungere la funzione.
Sto guardando il link che hai fornito e non esiste 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 piena divulgazione: potrei ancora perdere 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, pertanto 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 determinano la capacità di essere 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 andrebbe. 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 contro Y, allora il grafico potrebbe essere fuorviante perché l'interazione di X1 e X2 rende il grafico a dispersione Y vs X1 non informativo in quanto 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 sta prevedendo il modello.
Includo 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. Inoltre, nota 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 ha chiamati "grafici di dipendenza parziale", forse vuoi esaminare i grafici di leva forniti da JMP. Il grafico della leva finanziaria, 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 corretto l'impatto delle altre variabili, solo come deve fare un "trama di dipendenza parziale". Penso che l'immagine potrebbe avvicinarsi 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 parziali, 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?
