661019_fr-FR

liliconcom

Activités pratiques sur la modélisation prédictive

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

Réponse continue, prédicteurs continus

1. Utilisez les données du fichier PM 1.jmp pour créer des modèles prédictifs. Ces données ont été collectées au fil du temps.
   1. Visualisez les données à l'aide de Générateur de graphiques et Multivarié . Y a-t-il des problèmes de données ?
   2. Créez un modèle de surface de réponse à l'aide du modèle d'ajustement et de la macro Surface de réponse . Quel est le R ² du modèle complet ? Y a-t-il des problèmes avec l'ajustement du modèle observés dans le graphique Résiduel par valeur prédite ? 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 en utilisant les paramètres par défaut de la plateforme Neural . Quel est le R ² du modèle sur l'ensemble de validation ? Y a-t-il des problèmes avec l'ajustement du modèle observé dans le graphique Résiduel par valeur prédite ? Ajustez 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 plateforme Partition avec un ensemble de validation de 25 %. Quel est le R ² du modèle sur l'ensemble de validation ? Combien de divisions y a-t-il dans le modèle ? Y a-t-il des problèmes avec l'ajustement du modèle observé dans le graphique 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 des valeurs réelles par rapport aux valeurs prévues pour les trois modèles à l'aide de Générateur de graphiques . Quel modèle préférez-vous ?

Réponse catégorique, prédicteurs continus et catégoriels

2. Utilisez les données du fichier PM 2 .jmp pour créer des modèles prédictifs.
   1. Visualisez les données à l'aide du Générateur de graphiques . Y a-t-il des problèmes de données ?
   2. Créez un modèle de régression ordinale à l'aide du Modèle d'ajustement et de la macro Surface de réponse . Quel est le taux de mauvaise classification du modèle complet ? Astuce : ouvrez le rapport Détails de l'ajustement . Quel est le taux de mauvaise classification pour le groupe Acceptable ? Astuce : ouvrez le rapport Matrice de confusion .
   3. Créez un modèle de réseau neuronal en utilisant les paramètres par défaut de la plateforme neuronale . Quel est le taux de mauvaise classification du modèle sur l'ensemble de validation ? En particulier, quel est le taux de mauvaise classification du groupe acceptable ? Ajustez un autre modèle avec 50 nœuds. Quel est le taux de mauvaise classification du modèle sur l'ensemble de validation ? Quel est le taux de mauvaise classification du groupe acceptable ?
   4. Créez un modèle d'arbre de décision à l'aide de la plateforme Partition avec un ensemble de validation de 25 %. Quel est le taux de mauvaise classification du modèle sur l'ensemble de validation ? Quel est le taux de mauvaise classification du groupe Acceptable ?

Modélisation prédictive et apprentissage automatique