661019_fr-FR

liliconcom

Activités pratiques de modélisation prédictive

Ces activités pratiques vous permettent de vous entraîner à la modélisation prédictive à l'aide de JMP. Les fichiers de données de l'activité se trouvent dans le fichier zip joint à ce post. Extraire les données dans Activité pratique de modélisation prédictive.zip à utiliser dans les activités suivantes. Cliquez sur ce lien pour les solutions. Un fichier PDF de ces activités et solutions (en anglais) est joint à cet article.

Réponse continue, prédicteurs continus

1. Utilisez les données dans PM 1.jmp pour créer des modèles prédictifs. Ces données ont été recueillies au fil du temps.
   1. Visualisez les données à l'aide de Graph Builder et de Multivariate. Y a-t-il des problèmes de données ?
   2. Créez un modèle de surface de réponse à l'aide de Fit Model et de la macro Response Surface. Quel est le R ² du modèle complet ? Y a-t-il des problèmes avec l'ajustement du modèle vu dans le tracé Résiduel par Prévision ? Quelles variables prédictives sont les plus importantes pour prédire Y ? Enregistrez la formule de prédiction dans la table de données.
   3. Créez un modèle de réseau neuronal à l'aide des paramètres par défaut de la plate-forme Neural. Quel est le R ² du modèle sur le jeu de validation ? Y a-t-il des problèmes avec l'ajustement du modèle vu dans le tracé Résiduel par Prévision ? Montez un autre modèle avec 50 nœuds. Ce modèle a-t-il une capacité prédictive sensiblement meilleure ? Enregistrez la formule de prédiction dans la table de données.
   4. Créez un modèle d'arbre de décision à l'aide de la plate-forme Partition avec un ensemble de validation de 25 %. Quel est le R ² du modèle sur le jeu de validation ? Combien y a-t-il de divisions dans le modèle ? Y a-t-il des problèmes avec l'ajustement du modèle vu dans le tracé Réel par Prévision ? Quelles variables sont les plus importantes pour prédire Y ? Enregistrez la formule de prédiction dans la table de données.
   5. Créez un graphique Réel par Prévision pour les trois modèles à l'aide de Graph Builder. Quel modèle préférez-vous ?

Réponse catégorielle, prédicteurs continus et catégoriels

2. Utilisez les données dans PM 2.jmp pour créer des modèles prédictifs.
   1. Visualisez les données à l'aide de Graph Builder. Y a-t-il des problèmes de données ?
   2. Créez un modèle de régression ordinale à l'aide de Fit Model et de la macro Response Surface. Quel est le taux d'erreur de classification du modèle complet ? Astuce : ouvrez le rapport Détails de l'ajustement. Quel est le taux d'erreur de classification pour le groupe Acceptable ? Astuce : ouvrez le rapport Confusion Matrix.
   3. Créez un modèle de réseau neuronal à l'aide des paramètres par défaut de la plate-forme Neural. Quel est le taux d'erreur de classification du modèle sur l'ensemble de validation ? En particulier, quel est le taux d'erreur de classification du groupe Acceptable ? Montez un autre modèle avec 50 nœuds. Quel est le taux d'erreur de classification du modèle sur l'ensemble de validation ? Quel est le taux d'erreur de classification du groupe Acceptable ?
   4. Créez un modèle d'arbre de décision à l'aide de la plate-forme Partition avec un ensemble de validation de 25 %. Quel est le taux d'erreur de classification du modèle sur l'ensemble de validation ? Quel est le taux d'erreur de classification du groupe Acceptable ?

 

Modélisation prédictive et apprentissage automatique