645258_de-DE

liliconcom

Auswählen von Modellen in JMP mit Modellauswahlkriterien (2023-US-30MP-1456)Christopher Gotwalt, JMP Chief Data Scientist, JMP
JMP und JMP Pro nutzen mehr als jede andere Statistiksoftware Modellauswahlkriterien wie AICc und BIC. Diese Tools können von Praktikern in allen Branchen und auf allen Qualifikationsniveaus verwendet werden, von Benutzern, die eine Verteilung für eine Fähigkeitsanalyse auswählen, bis hin zu fortgeschrittenen Benutzern, die Eingabefaktoren in einem linearen gemischten Modell oder einer funktionalen DOE-Analyse auswählen. Modellauswahlkriterien sind unglaublich flexibel und leistungsstark, erleichtern jedoch die gleichzeitige Entscheidung zwischen sehr unterschiedlichen Sätzen von Prädiktorvariablen, Antwortverteilungen und sogar Korrelationsstrukturen.Leider ist die vollständige Beschreibung, wie und wann diese Kriterien anzuwenden sind, nicht Teil der meisten Standardkurse für Datenwissenschaft an Universitäten und in der Berufsausbildung. Ein Grund für dieses Versäumnis ist, dass im Gegensatz zu JMP viele Softwarepakete Modellauswahlkriterien unvollständig oder möglicherweise falsch implementieren, was es unmöglich macht, Modelle mit unterschiedlichen Eingabevariablen zu vergleichen.In dieser Präsentation geben wir klare Hinweise, wie und wann Modellauswahlkriterien anzuwenden sind. Wir beschreiben ihre Motivation und die Annahmen, die sie erfordern. Wir vergleichen Modellauswahlkriterien mit anderen bekannteren Ansätzen zur Modellauswahl, wie etwa Hypothesentests und Holdout-basierten Kreuzvalidierungsverfahren. Wir geben auch eine kurze Geschichte darüber, wie die Entwickler von JMP Statistical R&D die Nützlichkeit dieser Tools erkannten, als wir nach einer allgemeinen Lösung für das Problem der Verteilungsbaggerung suchten.