Estas actividades prácticas le permiten practicar el modelado predictivo utilizando JMP. Esta publicación contiene las actividades prácticas de modelado predictivo, los datos y un archivo PDF de estas soluciones en inglés.
Respuesta continua, predictores continuos
- Utilice los datos de PM 1.jmp para crear modelos predictivos. Estos datos fueron recopilados a lo largo del tiempo.
- Visualice los datos usando Graph Builder y Multivariante. ¿Hay algún problema con los datos?
1) Abierto PM 1.jmp .
Construye un diagrama de tiempo
2) Seleccionar Grafico > Generador de gráficos .
3) Arrastre Y a la zona Y.
4) Haga clic derecho Y y seleccione Fila > Fila .
5) Arrastre Fila a la zona X.
6) Haga clic Hecho .
Los datos parecen estar correlacionados en las filas. En este caso, las filas corresponden al orden del tiempo. La media y la variabilidad de la respuesta parecen ser constantes en el tiempo. Agregue un conmutador de columnas para reproducir este gráfico para las variables predictoras.
7) Haga clic en el triángulo rojo junto a Generador de gráficos y seleccione Rehacer > Conmutador de columna .
8) Seleccionar Y en el cuadro Seleccionar columna inicial para cambiar.
9) Seleccione todas las columnas del cuadro Seleccionar columnas de reemplazo.
10) Haga clic DE ACUERDO .
11) Haga clic en cada variable en el Cambiador de columnas a su vez.
Muchas variables aparecen autocorrelacionadas. No hay otros problemas de datos evidentes. Guarde el script en la tabla de datos.
12) Haga clic en el triángulo rojo junto a Generador de gráficos y seleccione Guardar guión > A la tabla de datos .
13) Entrar Gráfico de tiempo por el nombre
14) Haga clic DE ACUERDO .
Construir un gráfico de dispersión
1) Seleccionar Grafico > Generador de gráficos .
2) Arrastre Y a la zona Y.
3) Arrastre X1 a la zona X.
4) Haga clic Hecho .
La relación entre Y y X1 parece fuerte, positiva y lineal. Agregue un conmutador de columnas para reproducir este gráfico para otros predictores.
5) Haga clic en el triángulo rojo junto a Generador de gráficos y seleccione Rehacer > Conmutador de columna .
6) Seleccione todas las columnas en el cuadro Seleccionar columnas de reemplazo.
7) Haga clic DE ACUERDO .
8) Haga clic en cada variable en el selector de columnas a su vez.
Otras relaciones también son fuertes. Guarde el script en la tabla de datos.
9) Haga clic en el triángulo rojo junto a Generador de gráficos y seleccione Guardar guión > A la tabla de datos .
10) Entrar Y frente a predictores por el nombre
11) Haga clic DE ACUERDO .
Otra forma de ver las relaciones entre variables es con la plataforma Multivariante.
multivariante
1) Seleccionar Analizar > Métodos multivariantes > multivariado .
2) Seleccione todas las columnas, luego haga clic en Y, Columnas .
3) Haga clic DE ACUERDO .
Hay muchas correlaciones grandes positivas (azul) y negativas (rojo) entre las variables.
Los mismos diagramas de dispersión que creó en Graph Builder se pueden ver todos a la vez en Scatterplot Matrix.
4) Haga clic en el triángulo rojo junto a multivariante y seleccione Mapas de colores > Mapa de colores sobre correlaciones .
Este mapa de colores duplica la información en la matriz de correlación pero puede ser más fácil de leer.
No se detectan problemas de datos distintos de la autocorrelación. Guarde el script en la tabla de datos.
5) Haga clic en el triángulo rojo junto a multivariado y seleccione Guardar guión > A la tabla de datos .
6) Haga clic DE ACUERDO .
7) Guarde la tabla de datos.
b. Cree un modelo de superficie de respuesta utilizando Ajustar modelo y la macro Superficie de respuesta. cual es la r 2 del modelo completo? ¿Hay algún problema con el ajuste del modelo visto en el gráfico Residual por Predicho? ¿Qué variables predictoras son las más importantes para predecir Y? Guarde la fórmula de predicción en la tabla de datos.
1) Seleccionar Analizar > Modelo de ajuste .
2) Seleccionar Y , luego haga clic Y .
3) Seleccionar X1 a través de X10 , luego haga clic macros > Superficie de respuesta .
4) Haga clic Correr .
5) Cierre el informe Resumen de efectos.
R 2 es de alrededor del 89%, lo que significa que el 89% de la variabilidad en Y se explica por este modelo. Una desviación estándar de la variabilidad no explicada es aproximadamente 1,6. Verifique los supuestos del modelo.
6) Haga clic en el triángulo rojo junto a Respuesta S y seleccione Diagnóstico de fila > Trazar Residual por Predicho .
No se ven problemas en el gráfico residual. Trace los residuos en orden de tiempo (orden de fila).
7) Haga clic en el triángulo rojo junto a Respuesta S y seleccione Diagnóstico de fila > Trazar Residual por Fila .
También se observa autocorrelación en los residuos. Examine el gráfico Real por Predicho para ver cuánto afecta la autocorrelación a las predicciones.
8) Haga clic en el triángulo rojo junto a Respuesta S y seleccione Diagnóstico de fila > Trazar real por predicho .
No se observa sesgo en las predicciones.
Debido a que hay tantas observaciones, mirando pag -valores para determinar la importancia de las variables indica que todas las variables son importantes. Consulte el informe Estimaciones de parámetros. Para encontrar las variables más importantes, examine el informe Resumen de efectos.
9) Abra el esquema Resumen de efectos.
Las variables más importantes para predecir Y son X3, X1, X4, X2 y X5. Todos los efectos principales y muchas interacciones de dos factores son importantes.
Guarde la fórmula de predicción.
10) Haga clic en el triángulo rojo junto a Respuesta S y seleccione Guardar columnas > Fórmula de predicción .
11) Regrese a la tabla de datos y cambie el nombre de la última columna como Pred Y RS .
12) Guarde la tabla de datos.
C. Cree un modelo de red neuronal utilizando la configuración predeterminada de la plataforma neuronal. cual es la r 2 del modelo en el conjunto de validación? ¿Hay algún problema con el ajuste del modelo visto en el gráfico Residual por Predicho? Ajuste otro modelo con 50 nodos. ¿Tiene este modelo una capacidad predictiva apreciablemente mejor? Guarde la fórmula de predicción en la tabla de datos.
1) Seleccionar Analizar > Modelado Predictivo > Neural .
2) Seleccionar Y , luego haga clic Y, Respuesta .
3) Seleccionar X1 a través de X10 , luego haga clic Factor X .
4) Si desea que sus resultados coincidan con esta solución (Windows), ingrese 98765 como semilla aleatoria.
5) Haga clic DE ACUERDO .
6) Haga clic Ir .
R 2 en el conjunto de validación es de alrededor del 88%. Examine los diagnósticos del modelo.
7) Haga clic en el triángulo rojo junto a Modelo NTanH(3) y seleccione Trazar Residual por Predicho .
8) Haga clic en el triángulo rojo junto a Modelo NTanH(3) y seleccione Trazar Real por Predicho.
No se evidencian problemas de modelo. Ajuste un modelo con más nodos para ver si mejora el ajuste.
9) Abra el Lanzamiento del modelo describir.
10) Introduzca 50 en el cuadro Nodos ocultos.
11) Haga clic Ir .
R 2 en el conjunto de validación ha aumentado en menos del uno por ciento. RASE y Mean Abs Dev son más bajos en el segundo lugar decimal. El modelo no es apreciablemente mejor.
Nota: JMP Pro tiene la capacidad de agregar nodos de otras funciones de activación. Si tiene datos no estacionarios recopilados a lo largo del tiempo, es decir, si la media se desvía con el tiempo, se recomienda agregar también un nodo lineal. Para este conjunto de datos, debido a que la autocorrelación es estacionaria, agregar uno (o más) nodos con funciones de activación lineales no mejora apreciablemente el poder predictivo del modelo.
Guarde la fórmula de predicción para el modelo más simple y luego guarde el análisis.
12) Haga clic en el triángulo rojo junto a Modelo NTanH(3) y seleccione Guardar fórmulas de perfil .
13) Regrese a la tabla de datos y cambie el nombre de la última columna como Pred S NN .
14) Regrese al informe Neural, luego haga clic en el triángulo rojo junto a Neural y seleccione Guardar guión > A la tabla de datos .
15) Haga clic DE ACUERDO .
16) Guarde la tabla de datos.
d. Cree un modelo de árbol de decisiones utilizando la plataforma Partition con un conjunto de validación del 25 %. cual es la r 2 del modelo en el conjunto de validación? ¿Cuántas divisiones hay en el modelo? ¿Hay algún problema con el ajuste del modelo que se ve en el gráfico Real por Predicho? ¿Qué variables son más importantes para predecir Y? Guarde la fórmula de predicción en la tabla de datos.
1) Seleccionar Analizar > Modelado Predictivo > Dividir .
2) Seleccionar Y , luego haga clic Y, Respuesta .
3) Seleccionar X1 a través de X10 , luego seleccione Factor X .
4) Para Porción de validación, ingrese 0.25.
5) Haga clic DE ACUERDO .
Sus resultados serán ligeramente diferentes porque sus datos de validación son diferentes.
6) Haga clic Ir .
Los datos se dividen hasta que las siguientes 10 divisiones no mejoran R 2 en el conjunto de validación, luego el modelo se recorta. R 2 en el conjunto de validación es de alrededor del 79%, una disminución del modelo lineal o el modelo de red neuronal. Hubo 111 divisiones.
Evalúa el modelo.
7) Haga clic en el triángulo rojo junto a Partición para Y , luego seleccione Trazar real por predicho .
No hay problemas evidentes en el ajuste del modelo.
8) Haga clic en el triángulo rojo junto a Partición para Y , luego seleccione Contribuciones de columna .
El informe está ordenado por la porción de variabilidad en Y explicada por los predictores. X3, X1 y X4 son los tres principales predictores.
Guarde la fórmula de predicción.
9) Haga clic en el triángulo rojo junto a Partición para Y , luego seleccione Guardar columnas > Guardar fórmula de predicción .
10) Haga clic en el triángulo rojo junto a Partición para Y , luego seleccione Guardar guión > A la tabla de datos .
11) Haga clic DE ACUERDO .
12) Regrese a la tabla de datos y cambie el nombre de la última columna a Pred Y DT .
13) Guarde la tabla de datos.
mi. Cree un gráfico Real por Predicho para los tres modelos usando Graph Builder. ¿Qué modelo prefieres?
1) Seleccionar Grafico > Generador de gráficos .
2) Arrastre Y a la zona Y.
3) Arrastre Pred Y RS , Pred S NN , y Pred Y DT a la zona X juntos.
4) Haga clic derecho en el gráfico y seleccione personalizar .
5) Haga clic en el icono de signo más
para agregar un nuevo script de gráficos.
6) Entrar función y(x, x); en el cuadro del editor de secuencias de comandos.
7) Haga clic DE ACUERDO .
8) Retire la curva suave.
9) Haga clic Hecho .
10) Si va a publicar este gráfico, cambie el título del gráfico a Real por Predicho, cambie el título del eje X a Predicho y cambie los marcadores para cada variable X.
Los ajustes son bastante similares. El modelo de árbol de decisiones proporciona predicciones gruesas porque utiliza hojas discretas para predecir una respuesta continua.
Respuesta categórica, predictores continuos y categóricos
- Utilice los datos de PM 2.jmp para crear modelos predictivos.
- Visualice los datos usando Graph Builder. ¿Hay algún problema con los datos?
1) Abierto PM 2.jmp .
2) Seleccionar Grafico > Generador de gráficos .
3) Arrastre Y a la zona Y.
4) Arrastre X1 a la zona X.
5) Seleccione el elemento Boxplot en la barra Elementos.
6) Haga clic Hecho .
7) Haga clic en el triángulo rojo junto a Generador de gráficos y seleccione Rehacer > Conmutador de columna .
8) En el cuadro Seleccionar columnas de reemplazo, seleccione todas las columnas continuas.
9) Haga clic DE ACUERDO .
Se pueden observar varias relaciones sólidas entre Y y los predictores.
Cree visualizaciones para los predictores categóricos.
10) Seleccionar Grafico > Generador de gráficos .
11) Arrastre Y a la zona Y.
12) Arrastre X13 a la zona X.
13) Arrastre X18 al eje X a la derecha de X13 .
14) Seleccione el elemento Mapa de calor de la barra Elementos.
15) Haga clic Hecho .
Parece haber una asociación entre Y y ambos predictores categóricos.
No hay problemas de datos evidentes en ninguno de los gráficos.
b. Cree un modelo de regresión ordinal utilizando Ajustar modelo y la macro Superficie de respuesta. ¿Cuál es la tasa de clasificación errónea del modelo completo? Sugerencia: abra el informe Detalles de ajuste. ¿Cuál es la tasa de clasificación errónea para el grupo Aceptable? Sugerencia: abra el informe Matriz de confusión.
1) Seleccionar Analizar > Modelo de ajuste .
2) Seleccionar Y , luego haga clic Y .
3) Seleccionar X1 a través de X24 , luego haga clic macros > Superficie de respuesta .
4) Haga clic Correr .
5) Cierre el esquema Resumen de efectos.
6) Abra el esquema Detalles de ajuste.
La tasa de clasificación errónea es de alrededor del 16%.
7) Haga clic en el triángulo rojo junto a Ajuste logístico ordinal para Y y seleccione Matriz de confusión .
La tasa de clasificación errónea para el grupo Aceptable es 1 – 0,75 = 0,25. Cinco observaciones Aceptables fueron clasificadas como Buenas.
C. Cree un modelo de red neuronal utilizando la configuración predeterminada de la plataforma neuronal. ¿Cuál es la tasa de clasificación errónea del modelo en el conjunto de validación? En particular, ¿cuál es la tasa de clasificación errónea del grupo Aceptable? Ajuste otro modelo con 50 nodos. ¿Cuál es la tasa de clasificación errónea del modelo en el conjunto de validación? ¿Cuál es la tasa de clasificación errónea del grupo Aceptable?
1) Seleccionar Analizar > Modelado Predictivo > Neural .
2) Seleccionar Y , luego haga clic Y, Respuesta .
3) Seleccionar X1 a través de X24 , luego haga clic Factor X .
4) Si desea que sus resultados coincidan con esta solución (Windows), ingrese 11793 como semilla aleatoria.
5) Haga clic DE ACUERDO .
6) Haga clic Ir .
La tasa de clasificación errónea en el conjunto de validación es de alrededor del 23 %. La tasa de clasificación errónea del grupo Aceptable es del 100%. Las siete observaciones del grupo Aceptable se clasificaron erróneamente como Buenas. Las trece observaciones en el grupo Aceptable en los datos de Entrenamiento también se clasificaron erróneamente como Buenas.
7) Abra el esquema de lanzamiento del modelo.
8) Cambie el número de nodos ocultos a 50.
9) Haga clic Ir .
La tasa de clasificación errónea en el conjunto de validación es nuevamente de alrededor del 23%. La tasa de clasificación errónea del grupo Aceptable es de alrededor del 29%.
d. Cree un modelo de árbol de decisiones utilizando la plataforma Partition con un conjunto de validación del 25 %. ¿Cuál es la tasa de clasificación errónea del modelo en el conjunto de validación? ¿Cuál es la tasa de clasificación errónea del grupo Aceptable?
1) Seleccionar Analizar > Modelado Predictivo > Dividir .
2) Seleccionar Y , luego haga clic Y, Respuesta .
3) Seleccionar X1 a través de X24 , luego haga clic Factor X .
4) Para la Porción de Validación, ingrese 0.25.
5) Haga clic DE ACUERDO .
6) Haga clic Ir .
7) Si es necesario, para eliminar el árbol de la salida, haga clic en el triángulo rojo junto a Partición para Y y seleccione Opciones de pantalla > Mostrar árbol .
8) Haga clic en el triángulo rojo junto a Partición para Y y seleccione Mostrar detalles de ajuste .
Sus resultados variarán debido a la naturaleza aleatoria del procedimiento de exclusión. La tasa de clasificación errónea en el conjunto de validación es de alrededor del 27%. La tasa de clasificación errónea del grupo Aceptable en el conjunto de validación es de alrededor del 57 %. Aproximadamente la mitad de las observaciones en el grupo Aceptable se clasificaron erróneamente como Buenas.
