Bonjour, mon nom est Andréa Combes,
et Je suis rejoint par mon collègue, Olivia Lipp Incott.
Olivia et je avoir donné un présentation avant appelé Quoi Modèle Quand.
Si toi vouloir à prendre un plus proche regarder à que présentation,
toi peut prendre un regarder à le lien dans le communauté poste.
Mais aujourd'hui, nous vouloir à parler à propos quelque chose un petit peu plus.
Ouais, aujourd'hui nous vouloir à pense à propos la modélisation taper
et comment la modélisation taper impacts l'analyse
pour chaque de le quatre modèle objectifs que nous a parlé à propos précédemment.
Droite, et étaient en fait en allant à utiliser le même données.
Ce est données que nous tiré depuis nageoire rouge que représente
le logement marché dans le Cincinnati zone.
Ici étaient en essayant à regarder
à le prix de maisons relatif à leur carré images,
le nombre de des lits, le nombre de thermes,
et donc sur et donc en avant.
Précédemment, nous avons répondu le question, quoi modèle quand?
Il vraiment dépend sur quoi modèle tu es en allant à choisir
basé sur ton but pour le analyse.
Pour segment, étaient en essayant à examiner des relations
où il y a Non destiné réponse;
expliquer, étaient en essayant à expliquer un relation
et regarder à le sous-jacent facteurs et comment ceux affecter le réponse;
prédire, étaient en essayant à prédire avenir résultats
ou le réponse dans nouveau situations;
et identifier, étaient en essayant à trouver important variables.
Droite.
Maintenant allons apporter le la modélisation taper dans le image.
Les deux ton réponses et ton facteurs peut avoir différent la modélisation les types.
Dans JMP, là sont trois principal la modélisation les types:
continu, nominal, et ordinal.
Continu la modélisation taper est représentée par ce bleu Triangle icône ici,
et ce fait référence à numérique données seulement.
Le nominal la modélisation taper est représentée par ce rouge icône,
et ce est numérique ou personnage données où valeurs appartenir à catégories,
mais le commande est pas important.
Pour le ordinal la modélisation taper, il est représentée par ce vert icône,
et ce peut être soit numérique ou personnage données comme Bien.
Mais dans ce cas, valeurs appartenir à commandé catégories.
Quand tu es faire un analyse dans JMP,
toi vouloir à faire bien sûr toi ensemble en haut le correct la modélisation taper,
parce que JMP volonté faire le correct modèle pour toi,
volonté faire le correct analyse en fonction, dépendemment sur la modélisation taper.
Andréa, je avoir un jeu pour nous à jouer.
C'est appelé Nom Que Analyse.
Faire toi vouloir à jouer?
Absolument. je amour Jeux.
Génial.
Voici ton d'abord question.
Nous vouloir à identifier
lequel caractéristiques de un maison sont la plupart important
à déterminer le prix.
Pour exemple, carré images et nombre de salles de bains
peut expliquer un grand montant de le variation dans prix,
mais autre caractéristiques sont moins important.
Tous droite, Olivia.
je pense tu es fabrication ce d'abord question facile pour moi.
Est le répondre identifier?
Allons voir.
Ouais, tu es droite.
je a fait faire que un un petit peu facile à obtenir nous en allant,
mais que est identifier à trouver important variables dans là.
Il y a un couple de différent lieux dans JMP
où nous peut utiliser outils à identifier si c'est notre la modélisation but.
Sous le Analyser menu sous Dépistage, Prédictif La modélisation et Ajuster Modèle,
en utilisant outils comme Prédicteur Dépistage, Amorcer Forêt,
Généralisé Régression et Par étapes Sélection.
Pour la modélisation taper,
quand étaient regarder à le but de identifier,
c'est pas en allant à affecter des choses beaucoup.
JMP est en allant à faire le correct analyse
comme long comme ton la modélisation les types sont ensemble de manière appropriée.
Nous a pris un regarder à ce et nous a pris les deux le réponse et le facteurs
et modifié eux depuis continu à nominal
et regardé à comment lequel facteurs est venu en haut comme la plupart important.
Alors que le commande de le facteurs varié, le dominant facteurs séjourné le même.
Tous droite.
Il regards comme si notre but est à identifier important facteurs,
vraiment, le exact la modélisation taper étaient en utilisant
n'est-ce pas impactant des choses que beaucoup, il regards comme, Olivia.
Droite.
Notre conclusions sur lequel variables sont important
ne sont pas en allant à changement beaucoup basé sur le la modélisation taper.
D'accord.
Bien, que est bien à savoir.
je avoir un question pour toi.
Sont toi prêt?
Je suis prêt.
Tous droite, ici est ton question.
Allons dire nous vouloir à construire un modèle à prédire maison des prix.
Ce modèle volonté être basé sur beaucoup important prédicteur variables nous avoir dans notre données.
Pour exemple, nous vouloir à prédire
le prix de un maison que nous vouloir à mettre sur le marché.
Lequel but faire toi pense étaient fonctionnement avec ici?
D'accord, donc c'est pas comme question un où étaient en essayant à voir
lequel facteurs sont la plupart important à prédire logement des prix.
Étaient juste vraiment en essayant à obtenir que final logement prix prédiction.
Je suis en allant à aller avec prédire.
Tous droite, allons voir si tu es droite.
Oui, toi sont droite.
Le but de ce analyse est prédire.
Il y a beaucoup de différent plates-formes dans JMP où toi peut construire des modèles pour prédiction.
Dans chaque de ceux plates-formes dans JMP où toi peut construire le prédiction des modèles,
JMP volonté faire le correct analyse pour toi,
en fonction, dépendemment sur le la modélisation taper de ton réponse.
Ici nous avoir un tableau
de différent la modélisation les types pour notre réponses :
continu, nominal, et ordinal.
Pour un continu réponse,
ce est le typique un que nous étaient parler à propos de, droite?
Nous vouloir à prédire le prix de un maison que étaient en allant à mettre sur le marché.
Maintenant, quand étaient bâtiment ce taper de modèle avec un continu réponse,
Bien, nous vouloir à savoir comment puissant que modèle est.
Qu'est-ce que c'est le prédictif pouvoir de que modèle?
Nous peut utiliser RSquared et le Racine Moyenne Au carré Erreur
à diagnostiquer que modèle.
Maintenant, pour un nominal et ordinal modèle, c'est un petit peu différent.
Pour un modèle avec un nominal réponse, nous avoir catégories comme le réponse.
Dans ce exemple, étaient regarder
à si ou pas le prix volonté être sur ou ci-dessous 1 $ million.
C'est quoi nous vouloir à prédire.
Pour le ordinal réponse, ici nous avoir un commandé catégorie.
Nous vouloir à prédire si le prix de le maison
est en allant à être faible, moyen, et haut.
Pour le nominal et ordinal exemples,
encore, nous peut regarder à RSquared et Racine Moyenne Au carré Erreur
à évaluer ceux des modèles.
Mais il y a autre des choses que nous peut utiliser à évaluer ceux des modèles,
comme le erreur de classification taux et le zone sous le ROC courbe.
De cours, notre préféré outil dans JMP
à prendre un regarder à notre prédiction modèle est le Prédiction Profileur.
Allons prendre un regarder à le différence entre le Prédiction Profileur
pour le la modélisation les types de notre réponses.
Pour le continu réponse, nous peut voir que sur le axe Y,
nous avoir le signifier prédiction plus ou moins le confiance intervalle
donné le valeur de le modèle facteurs ici sur chaque de le X -des axes.
Pour le nominal et ordinal la logistique des modèles,
quoi nous voir sur le Oui -axe
est le probabilité de le réponse être dans un certain catégorie.
Pour le nominal la logistique modèle, nous avoir le probabilité
que le maison est soit en allant à être au-dessus de ou ci-dessous un million dollars.
Pour ce ordinal la logistique modèle,
nous peut voir le probabilité de ayant un faible, moyen, ou haut prix.
D'accord, donc il des sons comme le but de quoi nous vouloir à prédire
est aussi important quand étaient parler à propos que prédiction but,
si nous vouloir à traiter prix comme continu
et obtenir le prédictions de le exact des prix dehors de là,
ou si nous vouloir à traiter il comme un catégorie.
Droite.
Toi juste besoin à obtenir
que réponse variable ensemble en haut et ton données ensemble le correct chemin,
et alors, de cours, attribuer le correct la modélisation taper,
et JMP est en allant à construire le correct modèle pour toi.
Tous droite, Andréa.
Es-tu prêt pour ton suivant question?
Je suis prêt. Allons aller.
D'accord.
Nous vouloir à quantifier
le effet sur maison des prix depuis supplémentaire chambres à coucher.
Pour exemple, sur moyenne,
chaque supplémentaire chambre à coucher ajoute environ $ 97 000 à le total maison coût.
Ajouter un chambre à coucher ajoute 97 000 $ ?
Homme, Cincinnati est un difficile logement marché.
C'est fou.
Tous droite, Bien, donc allons voir.
Quoi sont nous en essayant à faire ici?
Étaient en essayant à quantifier le effet ici.
je pense quoi étaient en essayant à faire est expliquer
que effet que chambres a sur le prix de un maison.
Je suis en allant à dire expliquer.
Tu es correct.
Ouais, étaient en essayant à décrire le des relations.
Dans expliquer, nous utiliser le paramètre estimations pris depuis le modèle équation
à quantifier ceux des relations entre le facteurs et le réponses.
Typiquement, nous utiliser dans JMP sous le Ajuster Modèle menu emplacement
outils comme Norme moindre Carrés, La logistique et Ordinal Régression,
et Généralisé Régression.
La modélisation taper peut vraiment impact
comment notre factorisé relation avec le réponse variable est interprété.
Nous a pris un regarder, et nous étaient regarder
à comment fait le nombre de des lits affecter le logement prix?
Nous modifié des lits depuis continu, à nominal, à ordinal,
et voir quoi que relation était.
Nous peut voir sous le continu, c'est où nous avons a obtenu
que chaque supplémentaire chambre à coucher ajoute 97 000 $ à propos à le total maison prix.
Que prédiction profileur montre un linéaire relation
quand nous traiter des lits comme continu.
Mais quand nous traiter des lits comme nominal ou ordinal,
il y a pas que droit linéaire relation en allant sur.
Nous voir un pointe dans prix pour 4-5 chambres par rapport à en allant depuis 2-3 chambres à coucher.
Droite.
je voir avec nominal et ordinal,
le prédiction profileur regards presque exactement le même,
donc il doit être le même modèle.
Cependant, Je suis voyant avec le paramètre estimations,
ils regarder un petit peu différent entre nominal et ordinal.
Qu'est-ce que c'est en allant sur là?
Ouais, donc le nominal et ordinal la modélisation taper,
et lorsque nous utiliser que dans un régression, est traiter...
Ils sont codé différemment dans le régression,
donc le paramètre estimations sont différent.
Pour nominal, que intercepter,
nous pense de que comme le signifier maison prix à travers tous le différent chambres à coucher,
et chaque de ceux paramètre estimations
sont comment beaucoup que nombre de des lits augmente ou diminue que signifier maison prix.
Mais pour ord finale, parce que étaient regarder à commande importe,
nous pense de le intercepter comme si là sont zéro chambres
et chaque de ceux paramètre estimations
est le effet de ajouter un supplémentaire chambre à coucher sur le prix.
Tous droite.
La modélisation taper est vraiment en allant à affecter mon paramètre estimations.
je vraiment besoin à pense à propos exactement quoi faire je vouloir à expliquer
comme un partie de ce modèle quand Je suis faire ce analyse.
Oui.
Tous droite.
Sont toi prêt pour le final question, Olivia ?
Ouais, apporter il sur.
Tous droite, voici le question.
Allons dire nous vouloir à identifier groupes de maisons
que sont similaire basé sur un liste de possible caractéristiques.
Dans autre mots,
nous vouloir à identifier marché segments basé sur des choses comme carré images,
emplacement, nombre de chambres à coucher, et cetera.
Lequel but faire toi pense ce est?
je pense tu es en essayant à astuce moi avec que identifier,
et Je suis pas en allant à automne pour il.
D'accord.
Mais là sont Non réponses dans ce question.
je pense étaient regarder à regroupement.
Je suis en allant à dire segment.
D'accord.
Bien, tu es droite, Olivia.
je a fait essayer et astuce toi un petit peu parce que je vraiment recherché à gagner.
Mais tu es droite, c'est le clé chose ici,
est que là sont Non réponses ici dans ce analyse.
Nous sont certainement regarder à segment.
Quand notre but est segment,
nous peut utiliser un couple de différent regroupement outils.
Nous peut faire Hiérarchique Clustering,
K-Moyennes C lustre, ou Latent Classe Analyse.
C'est important à garder dans esprit que avec Hiérarchique Clustering,
toi peut seulement inclure...
Désolé, toi peut inclure tous de le la modélisation les types:
continu, nominal, et ordinal.
Mais pour K-Moyennes Clustering,
toi peut seulement inclure variables que sont continu.
Pour Latent Classe Analyse,
toi peut seulement inclure nominal ou ordinal variables.
Dans notre cas ici, quand étaient regarder
à le nombre de chambres à coucher, parcelle taille, année construit, et carré pieds,
nous avoir un combinaison de continu et nominal variables.
Hiérarchique Regroupement peut être le meilleur regroupement outil à utiliser dans ce scénario.
Il regards comme avec que parallèle parcelle avec Hiérarchique Clustering,
peut être nous pourrait appel Grappe 6 Incroyable Emplacement.
Oui.
Si toi pense un grand parcelle taille est un incroyable emplacement,
Ouais, nous peut certainement appel que segment Incroyable Emplacement Maisons.
Bien, tous droite, Olivia,
malgré moi donnant toi un astuce dans que dernier question,
il regards comme nous terminé en haut avec un cravate ici encore.
Bien avoir à revanche encore bientôt.
Absolument.
Nous a parlé à propos quoi modèle quand, et cela vraiment,
quoi modèle toi choisir dépend sur ton but pour le analyse,
si c'est segment, expliquer, prédire, ou identifier.
Ouais, dans termes de la modélisation taper, encore,
JMP est en allant à faire le correct analyse pour toi,
en particulier avec ton réponses.
Si tu es paramètre eux en haut avec le correct la modélisation taper,
JMP est en allant à faire le correct analyse pour toi.
Si ton but est expliquer,
toi pourrait besoin à pense un petit peu à propos lequel la modélisation taper à utiliser,
en fonction, dépendemment sur comment toi vouloir à expliquer
le effet de quelque chose comme le nombre de chambres à coucher.
Remercier toi, Olivia.
Ce est donc beaucoup amusant.
Allons faire il encore suivant année.
