Andrea Coombs, leitende Systemingenieurin, JMP
Sie müssen eine Frage beantworten, sammeln also die relevanten Daten und können mit der Erstellung eines Vorhersagemodells beginnen. Doch welchen Modelltyp wählt man und welche Modellierungsart wählt man? Besteht das Ziel darin, zu segmentieren, vorherzusagen, zu erklären oder zu identifizieren? Sind die Variablen stetig, nominal oder ordinal?
Bevor wir überhaupt dazu kommen, einen Modelltyp auszuwählen, müssen wir definieren, wie die Variablen in der Analyse mit dem Modellierungstyp verwendet werden. Was passiert, wenn wir die Anzahl der Schlafzimmer als kontinuierlich im Vergleich zu einem nominalen oder ordinalen Modellierungstyp behandeln? Wenn wir eine Verteilung abrufen, sehen wir, wie sich der Modellierungstyp auf die Art der zusammenfassenden Statistiken auswirkt, die wir als Mittelwerte oder Häufigkeiten erhalten. Dieses Poster zeigt, wie der Modellierungstyp die Ergebnisse Ihres Vorhersagemodells bestimmt, je nachdem, welcher Modelltyp ausgewählt wird. Machen Sie sich bereit, „Name that Analysis“ zu spielen, während wir uns mit der Klassifizierung verschiedener Fallstudien-Modellierungsbeispiele nach ihrem jeweiligen Modellierungstyp messen.
