Ciao, Mio nome È Andrea Coombs,
E Io sono partecipato di Mio collega, Olivia Lipp incott.
Olivia E IO Avere dato UN presentazione Prima chiamato Che cosa Modello Quando.
Se Voi Volere A Prendere UN più vicino Aspetto A Quello presentazione,
Voi Potere Prendere UN Aspetto A IL collegamento In IL Comunità inviare.
Ma Oggi, Noi Volere A parlare Di qualcosa UN poco morso Di più.
Sì, Oggi Noi Volere A pensare Di modellazione tipo
E Come modellazione tipo impatti le analisi
per ogni Di IL quattro modello obiettivi Quello Noi parlato Di in precedenza.
Giusto, E erano In realtà andando A utilizzo IL Stesso dati.
Questo È dati Quello Noi tirato da Redfin Quello rappresenta
IL alloggiamento mercato In IL Cincinnati la zona.
Qui erano provando A Aspetto
A IL prezzo Di le case parente A loro piazza filmato,
IL numero Di letti, IL numero Di bagni,
E COSÌ SU E COSÌ via.
In precedenza, noi abbiamo rispose IL domanda, Che cosa modello Quando?
Esso Veramente dipende SU Che cosa modello tu sei andando A scegliere
basato SU tuo obiettivo per IL analisi.
Per segmento, erano provando A esaminare relazioni
Dove c'è NO destinato risposta;
spiegare, erano provando A spiegare UN relazione
E Aspetto A IL sottostante fattori E Come quelli simulare IL risposta;
prevedere, erano provando A prevedere futuro risultati
O IL risposta In nuovo situazioni;
e identificare, erano provando A Trovare importante variabili.
Giusto.
Ora andiamo Portare IL modellazione tipo in IL immagine.
Entrambi tuo risposte E tuo fattori Potere Avere diverso modellazione tipi.
In JMP, Là Sono tre principale modellazione tipi:
continuo, nominale, E ordinale.
Continuo modellazione tipo È rappresentato di Questo blu triangolo icona Qui,
E Questo si riferisce A numerico dati soltanto.
IL nominale modellazione tipo È rappresentato di Questo rosso icona,
E Questo È numerico O carattere dati Dove valori appartenere A categorie,
Ma IL ordine È non importante.
Per IL ordinale modellazione tipo, Esso È rappresentato di Questo verde icona,
E Questo Potere Essere O numerico O carattere dati COME BENE.
Ma In Questo caso, valori appartenere A ordinato categorie.
Quando tu sei facendo UN analisi In JMP,
Voi Volere A Fare Sicuro Voi impostato su IL corretto modellazione tipo,
Perché JMP Volere Fare IL corretto modello per Voi,
Volere Fare IL corretto analisi dipendente SU modellazione tipo.
Andrea, IO Avere UN gioco per noi A giocare.
Suo chiamato Nome Quello Analisi.
Fare Voi Volere A giocare?
Assolutamente. IO Amore Giochi.
Eccezionale.
Ecco tuo Primo domanda.
Noi Volere A identificare
Quale caratteristiche Di UN casa Sono maggior parte importante
A determinante IL prezzo.
Per esempio, piazza filmato E numero Di bagni
Potere spiegare UN grande quantità Di IL variazione In prezzo,
Ma altro caratteristiche Sono meno importante.
Tutto Giusto, Olivia.
IO pensare tu sei fabbricazione Questo Primo domanda facile per Me.
È IL risposta identificare?
Andiamo Vedere.
Sì, tu sei Giusto.
IO fatto Fare Quello uno UN poco morso facile A Ottenere noi andando,
Ma Quello È identificare A Trovare importante variabili entro Là.
C'è UN coppia Di diverso luoghi In JMP
Dove Noi Potere utilizzo utensili A identificare Se quello è Nostro modellazione obiettivo.
Sotto IL Analizzare menù Sotto Selezione, Predittivo Modellazione E Adatto Modello,
utilizzando utensili Piace Predittore Selezione, Bootstrap Foresta,
Generalizzato Regressione E Gradualmente Selezione.
Per modellazione tipo,
Quando erano guardare A IL obiettivo Di identificare,
suo non andando A simulare cose tanto.
JMP È andando A Fare IL corretto analisi
COME lungo COME tuo modellazione tipi Sono impostato appropriatamente.
Noi preso UN Aspetto A Questo E Noi preso Entrambi IL risposta E IL fattori
E cambiato loro da continuo A nominale
E guardò A Come Quale fattori venni su COME maggior parte importante.
Mentre IL ordine Di IL fattori vario, IL dominante fattori rimasto IL Stesso.
Tutto Giusto.
Esso sembra Piace Se Nostro obiettivo È A identificare importante fattori,
Veramente, IL esatto modellazione tipo erano utilizzando
non lo è impattante cose Quello tanto, Esso sembra Piace, Olivia.
Giusto.
Nostro conclusioni SU Quale variabili Sono importante
non lo sono andando A modifica tanto basato SU IL modellazione tipo.
Va bene.
BENE, Quello È Bene A Sapere.
IO Avere UN domanda per Voi.
Sono Voi pronto?
Io sono pronto.
Tutto Giusto, Qui È tuo domanda.
Andiamo Dire Noi Volere A costruire UN modello A prevedere casa prezzi.
Questo modello Volere Essere basato SU molti importante predittore variabili Noi Avere In Nostro dati.
Per esempio, Noi Volere A prevedere
IL prezzo Di UN casa Quello Noi Volere A Mettere SU IL mercato.
Quale obiettivo Fare Voi pensare erano lavorando con Qui?
Va bene, COSÌ suo non Piace domanda uno Dove erano provando A Vedere
Quale fattori Sono maggior parte importante A prevedere alloggiamento prezzi.
Erano Appena Veramente provando A Ottenere Quello finale alloggiamento prezzo predizione.
Io sono andando A andare con prevedere.
Tutto Giusto, andiamo Vedere Se tu sei Giusto.
SÌ, Voi Sono Giusto.
IL obiettivo Di Questo analisi È prevedere.
C'è molti Di diverso piattaforme In JMP Dove Voi Potere costruire Modelli per predizione.
Entro ogni Di quelli piattaforme In JMP Dove Voi Potere costruire IL predizione Modelli,
JMP Volere Fare IL corretto analisi per Voi,
dipendente SU IL modellazione tipo Di tuo risposta.
Qui Noi Avere UN tavolo
Di diverso modellazione tipi per Nostro risposte:
continuo, nominale, E ordinale.
Per UN continuo risposta,
Questo È IL tipico uno Quello Noi erano parlando Di, Giusto?
Noi Volere A prevedere IL prezzo Di UN casa Quello erano andando A Mettere SU IL mercato.
Ora, Quando erano edificio Questo tipo Di modello con UN continuo risposta,
BENE, Noi Volere A Sapere Come potente Quello modello È.
Cosa c'è IL predittivo energia Di Quello modello?
Noi Potere utilizzo RSquadrato E IL Radice Media Quadrato Errore
A diagnosticare Quello modello.
Ora, per UN nominale E ordinale modello, suo UN poco morso diverso.
Per UN modello con UN nominale risposta, Noi Avere categorie COME IL risposta.
In Questo esempio, erano guardare
A se O non IL prezzo Volere Essere Sopra O sotto $ 1 milioni.
Quello è Che cosa Noi Volere A prevedere.
Per IL ordinale risposta, Qui Noi Avere UN ordinato categoria.
Noi Volere A prevedere se IL prezzo Di IL casa
È andando A Essere Basso, medio, E alto.
Per IL nominale E ordinale esempi,
Ancora, Noi Potere Aspetto A RSquadrato E Radice Media Quadrato Errore
A valutare quelli Modelli.
Ma c'è altro cose Quello Noi Potere utilizzo A valutare quelli Modelli,
Piace IL classificazione errata valutare E IL la zona Sotto IL ROC curva.
Di corso, Nostro preferito attrezzo In JMP
A Prendere UN Aspetto A Nostro predizione modello È IL Predizione Profilatore.
Andiamo Prendere UN Aspetto A IL differenza fra IL Predizione Profilatore
per IL modellazione tipi Di Nostro risposte.
Per IL continuo risposta, Noi Potere Vedere Quello SU IL Asse Y,
Noi Avere IL Significare predizione più O meno IL fiducia intervallo
dato IL valore Di IL modello fattori Qui SU ogni Di IL X -assi.
Per IL nominale E ordinale logistico Modelli,
Che cosa Noi Vedere SU IL Y -asse
È IL probabilità Di IL risposta essendo In UN certo categoria.
Per IL nominale logistico modello, Noi Avere IL probabilità
Quello IL casa È O andando A Essere Sopra O sotto UN milioni dollari.
Per Questo ordinale logistico modello,
Noi Potere Vedere IL probabilità Di avendo UN Basso, medio, O alto prezzo.
Va bene, COSÌ Esso suoni Piace IL obiettivo Di Che cosa Noi Volere A prevedere
È Anche importante Quando erano parlando Di Quello predizione obiettivo,
se Noi Volere A trattare prezzo COME continuo
E Ottenere IL predizioni Di IL esatto prezzi fuori Di Là,
O Se Noi Volere A trattare Esso COME UN categoria.
Giusto.
Voi Appena Bisogno A Ottenere
Quello risposta variabile impostato su E tuo dati impostato IL corretto modo,
E Poi, Di corso, assegnare IL corretto modellazione tipo,
E JMP È andando A costruire IL corretto modello per Voi.
Tutto Giusto, Andrea.
Sei pronto per tuo Prossimo domanda?
Io sono pronto. Andiamo andare.
Va bene.
Noi Volere A quantificare
IL effetto SU casa prezzi da aggiuntivo camere da letto.
Per esempio, SU media,
ogni aggiuntivo camera da letto aggiunge circa $ 97.000 A IL totale casa costo.
Aggiunta UN camera da letto aggiunge $ 97.000?
Uomo, Cincinnati È UN difficile alloggiamento mercato.
Quello è pazzo.
Tutto Giusto, BENE, COSÌ andiamo Vedere.
Che cosa Sono Noi provando A Fare Qui?
Erano provando A quantificare IL effetto Qui.
IO pensare Che cosa erano provando A Fare È spiegare
Quello effetto Quello camere da letto ha SU IL prezzo Di UN casa.
Io sono andando A Dire spiegare.
Tu sei corretto.
Sì, erano provando A descrivere IL relazioni.
In spiegare, Noi utilizzo IL parametro stime preso da IL modello equazione
A quantificare quelli relazioni fra IL fattori E IL risposte.
Tipicamente, Noi utilizzo In JMP Sotto IL Adatto Modello menù posizione
utensili Piace Minimo standard Piazze, Logistica E Ordinale Regressione,
E Generalizzato Regressione.
Modellazione tipo Potere Veramente impatto
Come Nostro fattorizzato relazione con IL risposta variabile È interpretato.
Noi preso UN Aspetto, E Noi erano guardare
A Come fa IL numero Di letti simulare IL alloggiamento prezzo?
Noi cambiato letti da continuo, A nominale, A ordinale,
E Vedere Che cosa Quello relazione era.
Noi Potere Vedere Sotto IL continuo, quello è Dove noi abbiamo avuto
Quello ogni aggiuntivo camera da letto aggiunge $ 97.000 Di A IL totale casa prezzo.
Quello predizione profilatore Spettacoli UN lineare relazione
Quando Noi trattare letti COME continuo.
Ma Quando Noi trattare letti COME nominale O ordinale,
c'è non Quello Dritto lineare relazione andando SU.
Noi Vedere UN arpione In prezzo per 4-5 camere da letto rispetto A andando da 2-3 camere da letto.
Giusto.
IO Vedere con nominale E ordinale,
IL predizione profilatore sembra Quasi esattamente IL Stesso,
COSÌ Esso dovere Essere IL Stesso modello.
Tuttavia, Io sono vedendo con IL parametro stime,
Essi Aspetto UN poco morso diverso fra nominale E ordinale.
Cosa c'è andando SU Là?
Sì, COSÌ IL nominale E ordinale modellazione tipo,
E quando noi utilizzo Quello All'interno di una regressione, È trattando...
Loro sono codificato diversamente entro IL regressione,
COSÌ IL parametro stime Sono diverso.
Per nominale, Quello intercettare,
Noi pensare Di Quello COME IL Significare casa prezzo attraverso Tutto IL diverso camere da letto,
E ogni Di quelli parametro stime
Sono Come tanto Quello numero Di letti aumenta O diminuisce Quello Significare casa prezzo.
Ma per ord finale, Perché erano guardare A ordine importa,
Noi pensare Di IL intercettare COME Se Là Sono zero camere da letto
E ogni Di quelli parametro stime
È IL effetto Di aggiungendo UN aggiuntivo camera da letto su IL prezzo.
Tutto Giusto.
Modellazione tipo È Veramente andando A simulare Mio parametro stime.
IO Veramente Bisogno A pensare Di esattamente Che cosa Fare IO Volere A spiegare
COME UN parte Di Questo modello Quando Io sono facendo Questo analisi.
SÌ.
Tutto Giusto.
Sono Voi pronto per IL finale domanda, Olivia?
Sì, Portare Esso SU.
Tutto Giusto, ecco IL domanda.
Andiamo Dire Noi Volere A identificare gruppi Di le case
Quello Sono simile basato SU UN elenco Di possibile caratteristiche.
In altro parole,
Noi Volere A identificare mercato segmenti basato SU cose Piace piazza filmato,
posizione, numero Di camere da letto, et eccetera.
Quale obiettivo Fare Voi pensare Questo È?
IO pensare tu sei provando A trucco Me con Quello identificare,
E Io sono non andando A autunno per Esso.
Va bene.
Ma Là Sono NO risposte entro Questo domanda.
IO pensare erano guardare A raggruppamento.
Io sono andando A Dire segmento.
Va bene.
BENE, tu sei Giusto, Olivia.
IO fatto Tentativo E trucco Voi UN poco morso Perché IO Veramente ricercato A vincita.
Ma tu sei Giusto, quello è IL chiave cosa Qui,
È Quello Là Sono NO risposte Qui In Questo analisi.
Noi Sono decisamente guardare A segmento.
Quando Nostro obiettivo È segmento,
Noi Potere utilizzo UN coppia Di diverso raggruppamento utensili.
Noi Potere Fare Gerarchico Raggruppamento,
K-significa C brillante, O Latente Classe Analisi.
Suo importante A Mantenere In mente Quello con Gerarchico Raggruppamento,
Voi Potere soltanto includere...
Scusa, Voi Potere includere Tutto Di IL modellazione tipi:
continuo, nominale, E ordinale.
Ma per K-Mezzi Raggruppamento,
Voi Potere soltanto includere variabili Quello Sono continuo.
Per Latente Classe Analisi,
Voi Potere soltanto includere nominale O ordinale variabili.
In Nostro caso Qui, Quando erano guardare
A IL numero Di camere da letto, quantità misurare, anno costruito, E piazza piedi,
Noi Avere UN combinazione Di continuo E nominale variabili.
Gerarchico Raggruppamento Maggio Essere IL migliore raggruppamento attrezzo A utilizzo In Questo scenario.
Esso sembra Piace con Quello parallelo complotto con Gerarchico Raggruppamento,
Forse Noi Potevo chiamata Grappolo 6 Sorprendente Posizione.
SÌ.
Se Voi pensare UN grande quantità misurare è un Sorprendente posizione,
Sì, Noi Potere decisamente chiamata Quello segmento Sorprendente Posizione Le case.
BENE, Tutto Giusto, Olivia,
nonostante Me dando Voi UN trucco In Quello scorso domanda,
Esso sembra Piace Noi conclusa su con UN cravatta Qui Ancora.
BENE Avere A rivincita Ancora Presto.
Assolutamente.
Noi parlato Di Che cosa modello Quando, e quello Veramente,
Che cosa modello Voi scegliere dipende SU tuo obiettivo per IL analisi,
se suo segmento, spiegare, prevedere, O identificare.
Sì, In termini Di modellazione tipo, Ancora,
JMP È andando A Fare IL corretto analisi per Voi,
particolarmente con tuo risposte.
Se tu sei collocamento loro su con IL corretto modellazione tipo,
JMP È andando A Fare IL corretto analisi per Voi.
Se tuo obiettivo È spiegare,
Voi Potrebbe Bisogno A pensare UN poco morso Di Quale modellazione tipo A utilizzo,
dipendente SU Come Voi Volere A spiegare
IL effetto Di qualcosa Piace IL numero Di camere da letto.
Grazie Voi, Olivia.
Questo È COSÌ tanto divertimento.
Andiamo Fare Esso Ancora Prossimo anno.
