<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />이 추가 기능의 사용을 설명하는 YouTube 동영상을 높이 평가하겠습니다!
시계열 데이터에 대한 유효성 검사 열을 동적으로 생성하는 추가 기능입니다.Ian Cox가 개발( 이안@JMP ) 및 줄리안 패리스( 줄리안 ).
** 참고: 모델 유효성 검사는 JMP 또는 JMP Pro의 시계열 플랫폼에 내장되어 있지 않습니다. 그러나 이 작업은 수동으로 수행할 수 있습니다.
- 이 추가 기능을 사용하여 시계열을 분할한 다음 홀드아웃 파티션을 숨기고 제외합니다(행을 선택한 다음 행 > 숨기기 및 제외 선택).
- 시계열 플랫폼(분석 > 모델링 메뉴에서)을 사용하여 시계열 모델을 맞춥니다.
- 선택한 모델의 경우 모델의 빨간색 삼각형을 사용하여 예측 공식을 저장합니다. 이렇게 하면 교육 데이터에 대한 예측 값과 잔차가 포함된 새 데이터 테이블이 생성됩니다.
- 유효성 검사 데이터의 잔차를 계산하려면 원본 테이블의 홀드아웃 값을 복사하여 이 새 테이블의 적절한 셀에 붙여넣습니다. 그런 다음 새 열을 만들고 수식 편집기를 사용하여 잔차(실제 - 예측)를 계산합니다. 검증 데이터에 대한 예측은 예측 공식이 데이터 테이블에 저장될 때 자동으로 계산됩니다.
- 분포 플랫폼을 사용하여 훈련 및 검증 데이터에 대한 잔차를 요약하고(검증 통계를 생성하기 위해) 그래프 빌더를 사용하여 실제 및 예측 시계열과 잔차를 그래프로 표시합니다.
- 교육 데이터와 검증 데이터를 모두 사용하여 미래 값을 예측하려면 원래 데이터로 돌아가서 홀드아웃 파티션을 숨김 해제 및 제외 해제하고 시계열 플랫폼을 사용하여 모델을 다시 적합시키십시오. 예측 기간 수(빨간색 삼각형에서)를 지정하고 이 모델의 예측 공식을 데이터 테이블에 저장합니다. 위의 4단계와 5단계를 반복합니다.
이러한 단계는 JMP 시계열 플랫폼을 사용하여 구축된 모델에 적용됩니다. 회귀 기반 예측 모델은 Analyze > Fit Model 플랫폼을 사용하여 구축할 수 있습니다. 기본 제공 모델 유효성 검사는 이러한 모델에 사용할 수 있습니다. 여기서는 유효성 검사 데이터를 숨기거나 제외하지 않습니다. 유효성 검사 열을 만들고 유효성 검사에서 이 열을 사용합니다.
모델 적합 대화 상자의 필드.
**에서 적응 JMP Pro를 사용한 비즈니스 분석용 데이터 마이닝 , Shmueli, Bruce 및 Stephens, Wiley는 2016년 5월에 출시되었습니다.
