이전에 개발된 Random Forest 모델을 사용하여 새로운 데이터 추가지역 사회,
저는 동료 김씨와 함께 무작위 숲을 이용해 토양 특성을 기반으로 감자의 식물 질병 예측 모델을 개발하는 프로젝트를 진행하고 있습니다. 우리의 질문은 다음과 같습니다.
- 이미 검증된 이미 생성된 모델에 새로운 데이터를 어떻게 사용합니까?
- 기존 예측 모델이 응답 변수를 설명하고 있는지 어떻게 검증할 수 있나요?
예측 모델은 철분이 높을수록 질병 발병률이 높아진다는 것을 나타냅니다. 우리는 전년도의 데이터를 사용하여 그것이 사실인지 확인하고 싶습니다.
귀하의 친절한 제안에 진심으로 감사드립니다.
킴 앤더슨 & AM 헤일만
고급 통계 모델링예측 모델링 및 기계 학습윈도우Re: 이전에 개발한 Random Forest 모델을 사용하여 새 데이터를 추가합니다.질문 #2부터 시작하겠습니다. '이전' 모델을 검증하는 일반적인 모범 사례는 원본 데이터 세트를 데이터 테이블의 각 행에 대한 학습, 검증 및 테스트 범주로 분할하는 것입니다. 그런 다음 다양한 맞춤 중심 통계 및 시각화를 검사합니다. 플랫폼 보고서에 표시되는 내용은 응답의 성격에 따라 크게 달라집니다. 범주형입니까 아니면 연속형입니까? 궁극적으로 모델이 '검증되었는지' 여부를 결정하는 것은 귀하에게 달려 있습니다. 그것이 귀하에게 무엇을 의미하든 상관없습니다. 이 경로를 효과적으로 사용하려면 JMP Pro가 필요합니다. JMP Pro에서 검증 열을 생성하는 '방법'에 대한 링크는 다음과 같습니다. 유효성 검사 열 만들기 나는 당신이 많은 관찰을 했다고 가정합니다. 이는 이 경로에서 최대한의 이점을 얻으려면 필요합니다. 데이터가 많지 않은 경우 Kfold와 같은 다른 방법이 유용할 수 있습니다. 그런 다음 사용 중인 모델링 플랫폼에 도달하면 유효성 검사 사양 창에 유효성 검사 열 이름을 배치해야 합니다. JMP Pro가 없다면...이 일반적인 경로는 부분적으로 다시 만들 수 있습니다...하지만 작업 흐름이 정말 투박하고 여기 포럼에서 설명할 수 있는 범위를 벗어나게 됩니다.
질문 #1의 경우 예측 방정식을 열 자체에 저장했는지 확인한 다음 새 관측치를 추가하고 예측을 실제 응답과 비교하십시오.
