Dieses Add-In hilft beim Erstellen von Validierungsspalten für Daten, die eine Korrelation zwischen Zeilen enthalten könnten, entweder aufgrund von Autokorrelation oder anderen Faktoren, einschließlich Rauschen, das sich auf sequenzielle Zeilen auswirkt. Die Daten werden nach Zeilen gruppiert, dann werden Gruppen dem Training oder der Validierung zugewiesen. Es besteht auch die Möglichkeit, Gruppierung und Cutpoint-Validierung zusammen zu verwenden, sodass Validierungsgruppen über die Zeit verteilt werden, während sich die letzten Zeilen im Testsatz befinden. Dem Benutzer wird eine Standardempfehlung angezeigt, die bei der Analyse kontinuierlicher Prozessdaten wahrscheinlich nützlicher ist als die Verwendung der Standardvalidierungsplattform. Wenn Zielvariablen ausgewählt werden, werden Diagramme präsentiert, um dem Benutzer zu helfen, die Trainings-/Validierungsaufteilung zu visualisieren.
Diese wurde mit JMP Pro Version 16 erstellt.Es wurde noch nicht auf Standard- oder älteren Versionen von JMP getestet.
Finden Sie dieses Projekt auf GitHub , können Sie dort gerne Probleme oder Pull-Requests einreichen.
Motivation
Standardmäßig weist die Validierungsplattform Zeilen zufällig und einzeln dem Training und der Validierung zu. Wenn Zeilen unabhängig sind, ist dies ideal. Wenn jedoch eine Zeile von der vorherigen Zeile abhängt, führt diese Aufteilung zu unrealistischen Erwartungen an die Vorhersagekraft eines Modells, da die Informationen im Trainingssatz im Wesentlichen zum Validieren und Testen des Modells verwendet werden.In Zeitreihen wird dies normalerweise tatsächlich durch Cutpoint-Validierung gelöst @ian_jmp und @julianisch hat dafür ein tolles Add-In entwickelt: Validierungsspalte für Zeitreihen erstellen .Für viele explorative Modelle ist die Verwendung der neuesten Zeilen jedoch nicht der beste Ansatz, insbesondere wenn kürzliche Änderungen die Analyse veranlassten.Das Auswählen von Gruppen von Zeilen aus dem Trainingssatz erhöht die Wahrscheinlichkeit, dass dem Modell noch aktuelle Daten zur Verfügung stehen, und minimiert gleichzeitig die Wahrscheinlichkeit, dass einzelne Rauschquellen sowohl in den Trainings- als auch in den Validierungsgruppen vorhanden sind.
Alternativen
Zwei andere Methoden zum Analysieren von Daten mit Korrelation zwischen Zeilen sind in manchen Situationen besser, aber nicht immer machbar:
- Reduzieren Sie die Datentabelle auf wirklich unabhängige Zeilen, wodurch die Möglichkeit ausgeschlossen wird, dass eine Zeile mit der vorherigen Zeile korreliert.Manchmal ist es schwierig oder zeitaufwändig, jede Spalte effektiv in unabhängige Zeilen zusammenzufassen.Wenn ein Benutzer beispielsweise nicht bereits weiß, dass ein 15-minütiges Ereignis in einer Variablen zu Beginn einer Prozessverweildauer von 2 Tagen sein Ziel beeinflusst, weiß der Benutzer möglicherweise nicht, wie er diese Variable über 2 oder mehr Tage zusammenfassen soll um unabhängige Zeilen zu erhalten.
- Autokorrelation modellieren oder vorhersagen. Die Zeitreihenplattform ist ein großartiger Ausgangspunkt, und die Einbeziehung von Reihen verzögerter Variablen in multivariate Modelle kann viele zusätzliche Einblicke in den Prozess liefern.Bei komplexen Prozessen mit Hunderten von Variablen ist dies zeitaufwändig und komplex, und sie übersteigen in der Regel die Fähigkeiten neuer Benutzer.
Die Benutzeroberfläche
Der Benutzer wählt ggf. Zielvariablen aus. Standardmäßig wird die erste davon für die Schichtung verwendet, obwohl dies nicht immer die Aufteilung je nach Gruppe und Tabellengröße beeinflusst.Der Standardvalidierungstyp ist Gruppierung und eine empfohlene Gruppengröße wird angezeigt.
Einige Informationen zu Zielvariablen werden angezeigt, um dem Benutzer zu helfen, eine geeignete Gruppengröße zu identifizieren.
„Unter der Haube“-Details
Die empfohlene Gruppengröße basiert auf einer Zeitreihenanalyse jeder Zielvariablen.Die Plattform wählt eine Verzögerungszeit aus, bei der die nächsten Zeilen eine Autokorrelation kleiner als 0,1 aufweisen, und stellt dann eine Mindestanzahl von Gruppen in kleinen Tabellen sicher und erhöht die Gruppengröße in großen Tabellen.
Feedback
Wir suchen nach Vorschlägen und Ideen, sowohl in Bezug auf diese Benutzeroberfläche als auch für andere Möglichkeiten, dieses Problem zu lösen. Für philosophische Diskussionen können Sie gerne einen neuen Beitrag im erstellen Diskussion Forum und Tag @ich h und @DrewLuebe um unsere Aufmerksamkeit zu bekommen, das gibt viel Raum für Diskussionen.
