645258_it-IT

liliconcom

Scelta dei modelli in JMP con criteri di selezione del modello (2023-US-30MP-1456)Christopher Gotwalt, Chief Data Scientist di JMP, JMP
Più di qualsiasi software statistico, JMP e JMP Pro fanno un uso straordinario dei criteri di selezione dei modelli, come AICc e BIC. Questi strumenti possono essere utilizzati da professionisti di tutti i settori ea tutti i livelli di competenza, dagli utenti che scelgono una distribuzione per un'analisi delle capacità, agli utenti avanzati che scelgono i fattori di input in un modello misto lineare o un'analisi DOE funzionale. I criteri di selezione del modello sono incredibilmente flessibili e potenti, ma rendono facile decidere tra insiemi molto diversi di variabili predittive, distribuzioni di risposta e persino strutture di correlazione, tutto allo stesso tempo.Sfortunatamente, la storia completa di come e quando utilizzare questi criteri non fa parte della maggior parte dei corsi standard di data science nelle università e nella formazione professionale. Uno dei motivi di questa omissione è che, a differenza di JMP, molti pacchetti software implementano i criteri di selezione del modello in modo incompleto o probabilmente errato, rendendo impossibile confrontare i modelli con diverse variabili di input.In questa presentazione, forniamo indicazioni chiare su come e quando utilizzare i criteri di selezione del modello. Descriviamo la loro motivazione e le ipotesi che richiedono. Confrontiamo i criteri di selezione del modello con altri approcci più noti alla selezione dei modelli, come i test di ipotesi e le procedure di validazione incrociata basate su holdout. Forniamo anche una breve storia di come gli sviluppatori di JMP Statistical R&D abbiano apprezzato l'utilità di questi strumenti, mentre cercavamo una soluzione generale al problema del dragaggio della distribuzione.