661019_it-IT

liliconcom

Attività pratiche di modellazione predittiva

Queste attività pratiche ti consentono di esercitarti nella modellazione predittiva utilizzando JMP. I file di dati per l'attività si trovano nel file zip allegato a questo post. Estrai i dati in Attività pratica di modellazione predittiva.zip da utilizzare nelle seguenti attività. Clic questo link per le soluzioni. Un file PDF di queste attività e soluzioni (in inglese) è allegato a questo post.

Risposta continua, predittori continui

1. Utilizza i dati in PM 1.jmp per creare modelli predittivi. Questi dati sono stati raccolti nel tempo.
   1. Visualizza i dati utilizzando Graph Builder e Multivariate. Ci sono problemi con i dati?
   2. 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.
   3. 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.
   4. 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.
   5. Costruisci un grafico effettivo per previsto per i tre modelli utilizzando Graph Builder. Quale modello preferisci?

Risposta categorica, predittori continui e categorici

2. Utilizza i dati in PM 2.jmp per creare modelli predittivi.
   1. Visualizza i dati utilizzando Graph Builder. Ci sono problemi con i dati?
   2. 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.
   3. 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?
   4. 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?

 

Modellazione predittiva e Machine Learning