Nel blog precedente (Parte 1) , abbiamo introdotto come leggere i dati campione di scikit-learn "Prezzi delle case in California" come tabella dati JMP utilizzando la funzione "Integrazione Python" migliorata in JMP 18. .
In questo blog (Parte 2), utilizzeremo i dati caricati per creare un modello di regressione che prevede i prezzi delle case in base all'età, al numero di stanze, alla latitudine, alla longitudine, ecc. e visualizzeremo il modello utilizzando un profilo di previsione. A quel tempo, JMP 18 ora consente di visualizzare gli intervalli di previsione nel profilo, quindi trarrò vantaggio anche da questa funzionalità.
Tuttavia, è pericoloso creare improvvisamente un modello senza osservare i dati, quindi esplora i dati rappresentandoli graficamente o riepilogandoli. JMP 18 include anche nuove funzionalità che ti aiutano a esplorare i tuoi dati.
Statistiche di intestazione, esplorazione dei dati con cambio di colonna
Quando si esplorano i dati in JMP, si consiglia di utilizzare le nuove funzionalità di JMP 18: Statistiche di intestazione e Gestione colonne.
statistiche dell'intestazione
Fare clic sull'icona Σ nella tabella dati per visualizzare le statistiche di riepilogo per ciascuna colonna nella tabella dati. Inoltre, come funzionalità JMP esistente, puoi anche fare clic sull'icona dell'istogramma per visualizzare un grafico di intestazione, che consente la visualizzazione e il riepilogo dei dati di alto livello.
gestore delle colonne
Facendo clic sull'icona nel pannello Colonne (indicato dal cerchio verde sopra) verrà avviato il Gestore colonne come mostrato di seguito. Questo strumento consente di modificare le proprietà delle colonne e visualizzare statistiche di riepilogo, distribuzioni, ecc. ed è particolarmente utile per riepilogare dati con molte variabili.
Osservando le statistiche riassuntive e la distribuzione, puoi vedere che per alcune variabili i dati sono spostati verso destra e ci sono valori ampi che possono essere considerati valori anomali. Ad esempio, il valore massimo per AveRooms (numero medio di camere nel blocco) è 141,9 e il valore massimo per AveBedrms (numero medio di camere nel blocco) è 34. Vivere in una casa con 141 stanze e 34 camere da letto è del tutto inimmaginabile per una persona comune come me. .
Tuttavia, questi valori anomali potrebbero influenzare il modello creato in seguito, quindi calcoliamo la distanza multivariata (distanza Mahalanobis) utilizzando la variabile oggettiva e le variabili esplicative ed escludiamo i dati con valori elevati dalla creazione del modello. Ho deciso di escluderli .
Questo processo ha escluso 17 dati. Se escludi questi dati dalla tabella dati, i grafici e le statistiche dell'intestazione verranno ricalcolati di conseguenza.
Visualizza gli intervalli di previsione in "Profilo di previsione"
Il rapporto quando si utilizza [Model Fit] per creare un modello (di seguito denominato modello degli effetti principali) che spiega i prezzi delle case in California (MedHouseVal) utilizzando gli effetti principali di altre variabili (MedInc, House Age, ecc.) È come segue.
Il valore stimato nel report "Stima dei parametri" diventa il coefficiente di regressione parziale nel modello di regressione e il "profilo di previsione" è una visualizzazione di questa formula del modello. Sebbene sia stato dimostrato che maggiore è il numero medio di camere (AveRooms), minore è il prezzo, ciò potrebbe essere controintuitivo. Tuttavia, qui si basa sulla formula di previsione ottenuta.
Inoltre, quando si prevedono i prezzi delle case in diversi blocchi, è preferibile utilizzare intervalli di previsione quando si considera l'intervallo di valori possibili per il valore previsto. In JMP 18, è possibile visualizzare l'intervallo di previsione del 95% (la linea retta verde indica il limite di confidenza) selezionando Intervallo di previsione dal triangolo rosso a sinistra del profilo di previsione.
Quando si utilizza questa formula di previsione per prevedere i prezzi delle case in un altro isolato in California a partire dai parametri di quell'isolato (reddito, anno di costruzione, numero di stanze, ecc.), è opportuno trovare un intervallo di previsione come intervallo di previsione.
In JMP 18, è possibile visualizzare l'intervallo di previsione del 95% (la linea retta verde è il limite di confidenza dell'intervallo di previsione del 95%) come mostrato di seguito selezionando Intervallo di previsione dal pulsante triangolo rosso a sinistra di Profilo di previsione.
In JMP 18 è inoltre possibile visualizzare gli intervalli di confidenza e gli intervalli di previsione in Profilo nel menu Grafico.
Seleziona Salva colonna > Predittore e formula intervallo, come mostrato nell'immagine seguente.Le colonne della formula di previsione e dell'intervallo di confidenza (media, individuale) vengono quindi aggiunte alla tabella dei dati.
*La colonna dell'intervallo di confidenza è impostata su "non visualizzato".
In questo processo, oltre al modello degli effetti principali, abbiamo creato anche un modello che includeva gli effetti principali e le interazioni quadratiche e abbiamo salvato la formula di calcolo utilizzando la stessa procedura.
Per confrontare i profili del "modello dell'effetto principale" e del "modello dell'effetto principale + interazione quadratica", utilizzare [Grafico] > [Profilo] e modificare la colonna della formula di previsione salvata in precedenza nella colonna [Y, formula di previsione] .
Verrà visualizzato il report del profilo, quindi seleziona [Intervallo di previsione] dal pulsante triangolo rosso a sinistra di "Profilo di previsione" e deseleziona "Intervallo di confidenza", come mostrato di seguito.
Il profilo sopra è il prezzo medio previsto di una casa e il 95% di esso quando c'è un blocco in California a longitudine -122.23, latitudine 37.88, reddito 8, età 2, numero di stanze 7... Mostra l'intervallo di previsione.
| modello |
Valore previsto e intervallo di previsione del 95%. |
| Modello degli effetti principali |
3,91 [2,53, 5,29] |
| Effetti principali, modello di interazione bidirezionale |
4.14 [2.80, 5,47] |
Confrontando i due modelli, si notano alcune differenze nei valori e negli intervalli di previsione. Tuttavia, è meglio considerare che il valore previsto dei prezzi delle case sia circa 4 e che l'intervallo delle previsioni sia compreso tra 2,5 e 5,5.
di Naohiro Masukawa (JMP Giappone)
Naohiro Masukawa - Comunità degli utenti JMP
