Queste attività pratiche ti consentono di esercitarti nella modellazione predittiva utilizzando JMP. Questo post contiene le attività pratiche di modellazione predittiva, i dati e un file PDF di queste soluzioni in inglese.
Risposta continua, predittori continui
- Utilizza i dati in PM 1.jmp per creare modelli predittivi. Questi dati sono stati raccolti nel tempo.
- Visualizza i dati utilizzando Graph Builder e Multivariate. Ci sono problemi con i dati?
1) Aperto PM 1.jmp .
Costruisci una trama temporale
2) Seleziona Grafico > Costruttore di grafici .
3) Trascina Y alla zona Y.
4) Fare clic con il tasto destro Y e seleziona Riga > Riga .
5) Trascina Riga alla zona X.
6) Fare clic Fatto .
I dati sembrano essere correlati sulle righe. In questo caso, le righe corrispondono all'ordine temporale. La media e la variabilità della risposta sembrano essere costanti nel tempo. Aggiungere un commutatore di colonna per riprodurre questo grafico per le variabili predittive.
7) Fare clic sul triangolo rosso accanto a Costruttore di grafici e seleziona Rifare > Commutatore di colonna .
8) Selezionare Y dalla casella Seleziona colonna iniziale da cambiare.
9) Selezionare tutte le colonne dalla casella Seleziona colonne sostitutive.
10) Fare clic OK .
11) Fare clic su ogni variabile nel Column Switcher a turno.
Molte variabili appaiono autocorrelate. Non sono evidenti altri problemi di dati. Salva lo script nella tabella dati.
12) Fare clic sul triangolo rosso accanto a Costruttore di grafici e seleziona Salva copione > Alla tabella dei dati .
13) Entra Trama del tempo per il nome.
14) Fare clic OK .
Costruisci un grafico a dispersione
1) Seleziona Grafico > Costruttore di grafici .
2) Trascina Y alla zona Y.
3) Trascina X1 alla zona X.
4) Fare clic Fatto .
La relazione tra Y e X1 appare forte, positiva e lineare. Aggiungi un commutatore di colonna per riprodurre questo grafico per altri predittori.
5) Fare clic sul triangolo rosso accanto a Costruttore di grafici e seleziona Rifare > Commutatore di colonna .
6) Selezionare tutte le colonne nella casella Seleziona colonne sostitutive.
7) Fare clic OK .
8) Fare clic su ogni variabile nel Column Switcher a sua volta.
Anche altre relazioni sono forti. Salva lo script nella tabella dati.
9) Fare clic sul triangolo rosso accanto a Costruttore di grafici e seleziona Salva copione > Alla tabella dei dati .
10) Entra Y contro predittori per il nome.
11) Fare clic OK .
Un altro modo per visualizzare le relazioni tra le variabili è con la piattaforma Multivariate.
Multivariato
1) Seleziona Analizzare > Metodi multivariati > Multivariato .
2) Selezionare tutte le colonne, quindi fare clic Y, Colonne .
3) Fare clic OK .
Ci sono molte grandi correlazioni positive (blu) e negative (rosse) tra le variabili.
Gli stessi grafici a dispersione creati in Costruttore di grafici possono essere visualizzati tutti in una volta in Matrice grafico a dispersione.
4) Fare clic sul triangolo rosso accanto a Multivariato e seleziona Mappe dei colori > Mappa dei colori sulle correlazioni .
Questa mappa dei colori duplica le informazioni nella matrice di correlazione ma potrebbe essere più facile da leggere.
Non vengono rilevati problemi di dati diversi dall'autocorrelazione. Salva lo script nella tabella dati.
5) Fare clic sul triangolo rosso accanto a Multivariato e seleziona Salva copione > Alla tabella dei dati .
6) Fare clic OK .
7) Salvare la tabella dei dati.
B. Costruisci un modello di superficie di risposta utilizzando Stima modello e la macro Superficie di risposta. Cos'è la r 2 del modello completo? Ci sono problemi con l'adattamento del modello visto nel grafico Residual by Predicted? Quali variabili predittive sono più importanti per prevedere Y? Salva la formula di previsione nella tabella dei dati.
1) Seleziona Analizzare > Modello adatto .
2) Seleziona Y , quindi fare clic su Y .
3) Seleziona X1 Attraverso X10 , quindi fare clic su Macro > Superficie di risposta .
4) Fare clic Correre .
5) Chiudere il report Riepilogo effetti.
R 2 è circa l'89%, il che significa che l'89% della variabilità in Y è spiegata da questo modello. Una deviazione standard della variabilità inspiegabile è di circa 1,6. Verificare le ipotesi del modello.
6) Fare clic sul triangolo rosso accanto a Risposta Y e seleziona Diagnostica riga > Traccia residuo per previsto .
Non si riscontrano problemi nella trama residua. Tracciare i residui in ordine temporale (ordine di riga).
7) Fare clic sul triangolo rosso accanto a Risposta Y e seleziona Diagnostica riga > Traccia residuo per riga .
Si osserva anche l'autocorrelazione nei residui. Esaminare il grafico Actual by Predicted per vedere in che misura l'autocorrelazione influisce sulle previsioni.
8) Fare clic sul triangolo rosso accanto a Risposta Y e seleziona Diagnostica riga > Plot reale da previsto .
Nessun pregiudizio è visto nelle previsioni.
Perché ci sono così tante osservazioni, guardando P -values per determinare l'importanza delle variabili indica che tutte le variabili sono importanti. Consulta il rapporto Stime dei parametri. Per trovare le variabili più importanti, esamina il rapporto Riepilogo effetti.
9) Aprire la struttura Riepilogo effetti.
Le variabili più importanti per prevedere Y sono X3, X1, X4, X2 e X5. Tutti gli effetti principali e molte interazioni a due fattori sono importanti.
Salva la formula di previsione.
10) Fare clic sul triangolo rosso accanto a Risposta Y e seleziona Salva colonne > Formula di previsione .
11) Ritorna alla tabella dei dati e rinomina l'ultima colonna come Pred Y RS .
12) Salvare la tabella dei dati.
C. Crea un modello di rete neurale utilizzando le impostazioni predefinite della piattaforma neurale. Cos'è la r 2 del modello sul set di validazione? Ci sono problemi con l'adattamento del modello visto nel grafico Residual by Predicted? Montare un altro modello con 50 nodi. Questo modello ha una capacità predittiva sensibilmente migliore? Salva la formula di previsione nella tabella dei dati.
1) Seleziona Analizzare > Modellazione predittiva > Neurale .
2) Seleziona Y , quindi fare clic su Y, Risposta .
3) Seleziona X1 Attraverso X10 , quindi fare clic su X Factor .
4) Se vuoi che i tuoi risultati corrispondano a questa soluzione (Windows), inserisci 98765 come seme casuale.
5) Fare clic OK .
6) Fare clic Andare .
R 2 sul set di convalida è di circa l'88%. Esaminare la diagnostica del modello.
7) Fare clic sul triangolo rosso accanto a Modello NTanH(3) e seleziona Traccia residuo per previsto .
8) Fare clic sul triangolo rosso accanto a Modello NTanH(3) e seleziona Plot reale da previsto.
Non sono evidenti problemi di modello. Monta un modello con più nodi per vedere se migliora la vestibilità.
9) Apri il Lancio del modello contorno.
10) Immettere 50 nella casella Nodi nascosti.
11) Fare clic Andare .
R 2 sul set di convalida è aumentato di meno dell'uno percento. RASE e Mean Abs Dev sono più bassi nella seconda cifra decimale. Il modello non è sensibilmente migliore.
Nota: JMP Pro ha la capacità di aggiungere nodi di altre funzioni di attivazione. Se si dispone di dati non stazionari raccolti nel tempo, ovvero se la media si sposta nel tempo, si consiglia di aggiungere anche un nodo lineare. Per questo set di dati, poiché l'autocorrelazione è stazionaria, l'aggiunta di uno (o più) nodi con funzioni di attivazione lineare non migliora sensibilmente il potere predittivo del modello.
Salva la formula di previsione per il modello più semplice, quindi salva l'analisi.
12) Fare clic sul triangolo rosso accanto a Modello NTanH(3) e seleziona Salva le formule del profilo .
13) Ritorna alla tabella dei dati e rinomina l'ultima colonna come Pred YNN .
14) Torna al rapporto Neural, quindi fai clic sul triangolo rosso accanto a Neurale e seleziona Salva copione > Alla tabella dei dati .
15) Fare clic OK .
16) Salvare la tabella dei dati.
D. Crea un modello di albero decisionale utilizzando la piattaforma di partizione con un set di convalida del 25%. Cos'è la r 2 del modello sul set di validazione? Quante divisioni ci sono nel modello? Ci sono problemi con l'adattamento del modello visto nel grafico Actual by Predicted? Quali variabili sono più importanti per prevedere Y? Salva la formula di previsione nella tabella dei dati.
1) Seleziona Analizzare > Modellazione predittiva > Partizione .
2) Seleziona Y , quindi fare clic su Y, Risposta .
3) Seleziona X1 Attraverso X10 , quindi seleziona X Factor .
4) Per Porzione di convalida, immettere 0,25.
5) Fare clic OK .
I tuoi risultati saranno leggermente diversi perché i tuoi dati di convalida sono diversi.
6) Fare clic Andare .
I dati vengono suddivisi fino a quando le successive 10 suddivisioni non migliorano R 2 sul set di convalida, il modello viene ridotto. R 2 sul set di convalida è di circa il 79%, una diminuzione rispetto al modello lineare o al modello di rete neurale. Ci sono state 111 divisioni.
Valuta il modello.
7) Fare clic sul triangolo rosso accanto a Partizione per Y , quindi seleziona Plot reale da previsto .
Non ci sono problemi evidenti nella vestibilità del modello.
8) Fare clic sul triangolo rosso accanto a Partizione per Y , quindi seleziona Colonna Contributi .
Il report è ordinato in base alla porzione di variabilità in Y spiegata dai predittori. X3, X1 e X4 sono i primi tre predittori.
Salva la formula di previsione.
9) Fare clic sul triangolo rosso accanto a Partizione per Y , quindi seleziona Salva colonne > Salva la formula di previsione .
10) Fare clic sul triangolo rosso accanto a Partizione per Y , quindi seleziona Salva copione > Alla tabella dei dati .
11) Fare clic OK .
12) Ritorna alla tabella dei dati e rinomina l'ultima colonna in Pred Y DT .
13) Salvare la tabella dei dati.
e. Costruisci un grafico effettivo per previsto per i tre modelli utilizzando Graph Builder. Quale modello preferisci?
1) Seleziona Grafico > Costruttore di grafici .
2) Trascina Y alla zona Y.
3) Trascina Pred Y RS , Pred YNN , E Pred e DT insieme alla zona X.
4) Fare clic con il pulsante destro del mouse sul grafico e selezionare personalizzare .
5) Fare clic sull'icona del segno più
per aggiungere un nuovo script grafico.
6) Entra funzione y(x, x); nella casella dell'editor di script.
7) Fare clic OK .
8) Rimuovi la curva liscia.
9) Fare clic Fatto .
10) Se hai intenzione di pubblicare questo grafico, cambia il titolo del grafico in Actual by Predicted, cambia il titolo dell'asse X in Predicted e cambia i marcatori per ogni variabile X.
Le misure sono abbastanza simili. Il modello dell'albero decisionale fornisce previsioni complesse perché utilizza foglie discrete per prevedere una risposta continua.
Risposta categorica, predittori continui e categorici
- Utilizza i dati in PM 2.jmp per creare modelli predittivi.
- Visualizza i dati utilizzando Graph Builder. Ci sono problemi con i dati?
1) Aperto PM 2.jmp .
2) Seleziona Grafico > Costruttore di grafici .
3) Trascina Y alla zona Y.
4) Trascina X1 alla zona X.
5) Selezionare l'elemento Boxplot nella barra degli elementi.
6) Fare clic Fatto .
7) Fare clic sul triangolo rosso accanto a Costruttore di grafici e seleziona Rifare > Commutatore di colonna .
8) Nella casella Seleziona colonne sostitutive selezionare tutte le colonne continue.
9) Fare clic OK .
Si possono vedere diverse forti relazioni tra Y e i predittori.
Crea visualizzazioni per i predittori categorici.
10) Seleziona Grafico > Costruttore di grafici .
11) Trascina Y alla zona Y.
12) Trascina X13 alla zona X.
13) Trascina X18 sull'asse X a destra di X13 .
14) Selezionare l'elemento Heatmap dalla barra degli elementi.
15) Fare clic Fatto .
Sembra esserci un'associazione tra Y ed entrambi i predittori categorici.
Nessun problema di dati è evidente in entrambi i grafici.
B. Costruisci un modello di regressione ordinale utilizzando Fit Model e la macro Response Surface. Qual è il tasso di classificazione errata del modello completo? Suggerimento: apri il rapporto Dettagli adattamento. Qual è il tasso di classificazione errata per il gruppo Accettabile? Suggerimento: apri il rapporto Matrice di confusione.
1) Seleziona Analizzare > Modello adatto .
2) Seleziona Y , quindi fare clic su Y .
3) Seleziona X1 Attraverso X24 , quindi fare clic su Macro > Superficie di risposta .
4) Fare clic Correre .
5) Chiudere la struttura Riepilogo effetti.
6) Aprire la struttura Dettagli adattamento.
Il tasso di classificazione errata è di circa il 16%.
7) Fare clic sul triangolo rosso accanto a Adattamento logistico ordinale per Y e seleziona Matrice di confusione .
Il tasso di classificazione errata per il gruppo Accettabile è 1 – 0,75 = 0,25. Cinque osservazioni accettabili sono state classificate come buone.
C. Crea un modello di rete neurale utilizzando le impostazioni predefinite della piattaforma neurale. Qual è il tasso di classificazione errata del modello nel set di convalida? In particolare, qual è il tasso di errata classificazione del gruppo Accettabile? Montare un altro modello con 50 nodi. Qual è il tasso di classificazione errata del modello nel set di convalida? Qual è il tasso di classificazione errata del gruppo Accettabile?
1) Seleziona Analizzare > Modellazione predittiva > Neurale .
2) Seleziona Y , quindi fare clic su Y, Risposta .
3) Seleziona X1 Attraverso X24 , quindi fare clic su X Factor .
4) Se vuoi che i tuoi risultati corrispondano a questa soluzione (Windows), inserisci 11793 come seme casuale.
5) Fare clic OK .
6) Fare clic Andare .
Il tasso di classificazione errata sul set di convalida è di circa il 23%. Il tasso di classificazione errata del gruppo Accettabile è del 100%. Tutte e sette le osservazioni nel gruppo Accettabile sono state erroneamente classificate come Buone. Anche tutte le tredici osservazioni nel gruppo Accettabile nei dati di addestramento sono state classificate erroneamente come Buone.
7) Aprire la struttura Lancio del modello.
8) Cambia il numero di nodi nascosti a 50.
9) Fare clic Andare .
Il tasso di classificazione errata sul set di convalida è di nuovo di circa il 23%. Il tasso di classificazione errata del gruppo Accettabile è di circa il 29%.
D. Crea un modello di albero decisionale utilizzando la piattaforma di partizione con un set di convalida del 25%. Qual è il tasso di classificazione errata del modello nel set di convalida? Qual è il tasso di classificazione errata del gruppo Accettabile?
1) Seleziona Analizzare > Modellazione predittiva > Partizione .
2) Seleziona Y , quindi fare clic su Y, Risposta .
3) Seleziona X1 Attraverso X24 , quindi fare clic su X Factor .
4) Per la parte di convalida, immettere 0,25.
5) Fare clic OK .
6) Fare clic Andare .
7) Se necessario, per rimuovere l'albero dall'output, fare clic sul triangolo rosso accanto a Partizione per Y e seleziona Opzioni di visualizzazione > Mostra albero .
8) Fare clic sul triangolo rosso accanto a Partizione per Y e seleziona Mostra dettagli vestibilità .
I tuoi risultati varieranno a causa della natura casuale della procedura di controllo. Il tasso di classificazione errata sul set di convalida è di circa il 27%. Il tasso di classificazione errata del gruppo Accettabile nel set di convalida è di circa il 57%. Circa la metà delle osservazioni nel gruppo Accettabile sono state erroneamente classificate come Buone.
