Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este video, usamos el Fabricación de productos químicos ejemplo y ajuste un árbol de regresión para la respuesta continua, Producir . Usamos JMP Pro para esta demostración.
El rendimiento aceptable para este proceso es del 80%.
Los datos se han dividido en datos de entrenamiento y validación. El 60 % de las observaciones se han asignado aleatoriamente al conjunto de entrenamiento y el 40 % de las observaciones se encuentran en el conjunto de validación.
Ajustaremos el árbol de regresión a los datos de entrenamiento y determinaremos cuándo detener el crecimiento del árbol utilizando los datos de validación.
Para ello, seleccionamos Modelado predictivo en el menú Analizar y, a continuación, Partición. Seleccionamos Producir como Y, Variable de respuesta y seleccione los dos grupos de predictores como X, Factores.
Hay diferentes opciones para usar la validación de modelos en JMP Pro. Un método es especificar una porción reservada. Por ejemplo, podemos mantener el 40 % de los datos fuera del modelo para usarlos en .
En su lugar, usaremos la columna de validación. Arrastramos esta columna al rol de Validación y hacemos clic en Aceptar.
Debido a que estamos utilizando la validación, JMP proporciona un botón Ir. Haremos clic en este botón para construir automáticamente el árbol y luego volver a podarlo.
El árbol es un poco grande, así que lo apagaremos. Para hacer esto, usamos el triángulo rojo superior, Opciones de visualización y deseleccionamos Mostrar árbol.
El modelo final tiene siete divisiones.
Puede ver el historial dividido en la parte inferior. Este es un conjunto de datos pequeño, por lo que solo son posibles ocho divisiones. El modelo se redujo a siete divisiones. Este es el modelo con el valor máximo de RSquare en el conjunto de validación.
RSquare y RMSE son mejores para los datos de entrenamiento, que se usaron para construir el modelo. Esto significa que la El modelo se ajusta mejor a los datos de entrenamiento que a los datos de validación.
Para ver esto, seleccionaremos Plot Actual by Predicted Plot en el triángulo rojo superior. Tenga en cuenta que los puntos de datos están mucho más agrupados en el conjunto de entrenamiento que en el conjunto de validación.
Esta gráfica le dice que todavía hay mucha variación inexplicable en los datos.
Veamos qué variables están involucradas en este modelo. Para hacer esto, seleccionamos Column Contributions del triángulo rojo superior. Sólo cinco de las variables están involucradas en el modelo.
Finalmente, echemos un vistazo al informe Leaf. Seleccionaremos esta opción del triángulo rojo superior. Recuerde que el rendimiento aceptable para este proceso es del 80%. El rendimiento más alto previsto es 87,3.
Dado el proceso actual, las reglas brindan alguna indicación sobre cómo se pueden lograr rendimientos más altos.
