Bonjour,
mon
nom
est
Andréa
Coombs,
et Je suis rejoint par mon collègue, Olivia Drapeau incott.
Olivia et I avoir donné a présentation avant appelé Quoi Modèle Quand.
Si toi vouloir à prendre a plus proche regarder à que présentation,
toi peut prendre a regarder à le lien dans le communauté poste.
Mais aujourd'hui, nous vouloir à parler à propos quelque chose a petit peu plus.
Ouais, aujourd'hui nous vouloir à pense à propos modélisation taper
et comment modélisation taper impacts l'analyse
pour chaque de le quatre modèle objectifs que nous parlé à propos précédemment.
Droite, et étaient en fait en allant à utiliser le même données.
Ce est données que nous tiré depuis Redfin que représente
le logement marché dans le Cincinnati zone.
Ici étaient en essayant à regarder
à le prix de maisons relatif à leur carré images,
le nombre de lits, le nombre de thermes,
et donc sur et donc en avant.
Précédemment, nous avons répondu le question, quoi modèle quand?
Il vraiment dépend sur quoi modèle tu es en allant à choisir
basé sur ton but pour le analyse.
Pour segment, étaient en essayant à examiner relations
où il y a Non destiné réponse;
expliquer, étaient en essayant à expliquer a relation
et regarder à le sous-jacent facteurs et comment ceux affecter le réponse;
prédire, étaient en essayant à prédire avenir résultats
ou le réponse dans nouveau situations;
et identifier, étaient en essayant à trouver important variables.
Droite.
Maintenant allons apporter le modélisation taper dans le image.
Les deux ton réponses et ton facteurs peut avoir différent modélisation types.
Dans JMP, là sont trois principal modélisation types:
continu, nominal, et ordinal.
Continu modélisation taper est représenté par ce bleu triangle icône ici,
et ce fait référence à numérique données seulement.
Le nominal modélisation taper est représenté par ce rouge icône,
et ce est numérique ou personnage données où valeurs appartenir à catégories,
mais le commande est pas important.
Pour le ordinal modélisation taper, il est représenté par ce vert icône,
et ce peut être soit numérique ou personnage données comme Bien.
Mais dans ce cas, valeurs appartenir à ordonné catégories.
Quand tu es faire un analyse dans JMP,
toi vouloir à faire bien sûr toi ensemble en haut le correct modélisation taper,
parce que JMP volonté faire le correct modèle pour toi,
volonté faire le correct analyse selon sur modélisation taper.
Andréa, I avoir a jeu pour nous à jouer.
C'est appelé Nom Que Analyse.
Faire toi vouloir à jouer?
Absolument. I amour jeux.
Génial.
Voici ton d'abord question.
Nous vouloir à identifier
lequel caractéristiques de a maison sont la plupart important
à déterminer le prix.
Pour exemple, carré images et nombre de salles de bains
peut expliquer a grand montant de le variation dans prix,
mais autre caractéristiques sont moins important.
Tous droite, Olivia.
I pense tu es fabrication ce d'abord question facile pour moi.
Est le répondre identifier?
Allons-y voir.
Ouais, tu es droite.
I a fait faire que un a petit peu facile à obtenir nous en allant,
mais que est identifier à trouver important variables dans là.
Il y a a couple de différent lieux dans JMP
où nous peut utiliser outils à identifier si c'est notre modélisation but.
Sous le Analyser menu sous Dépistage, Prédictif Modélisation et Ajuster Modèle,
en utilisant outils comme Prédicteur Dépistage, Bootstrap Forêt,
Généralisé Régression et Étape par étape Sélection.
Pour modélisation taper,
quand étaient regarder à le but de identifier,
c'est pas en allant à affecter des choses beaucoup.
JMP est en allant à faire le correct analyse
comme long comme ton modélisation types sont ensemble de manière appropriée.
Nous a pris a regarder à ce et nous a pris les deux le réponse et le facteurs
et modifié eux depuis continu à nominal
et regardé à comment lequel facteurs est venu en haut comme la plupart important.
Alors que le commande de le facteurs varié, le dominant facteurs est resté le même.
Tous droite.
Il apparence comme si notre but est à identifier important facteurs,
vraiment, le exact modélisation taper étaient en utilisant
n'est pas impactant des choses que beaucoup, il apparence comme, Olivia.
Droite.
Notre conclusions sur lequel variables sont important
ne sont pas en allant à changement beaucoup basé sur le modélisation taper.
D'accord.
Bien, que est bien à savoir.
I avoir a question pour toi.
Sont toi prêt?
Je suis prêt.
Tous droite, ici est ton question.
Allons-y dire nous vouloir à construire a modèle à prédire maison prix.
Ce modèle volonté être basé sur beaucoup important prédicteur variables nous avoir dans notre données.
Pour exemple, nous vouloir à prédire
le prix de a maison que nous vouloir à mettre sur le marché.
Lequel but faire toi pense étaient fonctionnement avec ici?
D'accord, donc c'est pas comme question un où étaient en essayant à voir
lequel facteurs sont la plupart important à prédire logement prix.
Étaient juste vraiment en essayant à obtenir que final logement prix prédiction.
Je suis en allant à aller avec prédire.
Tous droite, allons voir si tu es droite.
Oui, toi sont droite.
Le but de ce analyse est prédire.
Il y a beaucoup de différent plateformes dans JMP où toi peut construire modèles pour prédiction.
Dans chaque de ceux plateformes dans JMP où toi peut construire le prédiction modèles,
JMP volonté faire le correct analyse pour toi,
selon sur le modélisation taper de ton réponse.
Ici nous avoir a tableau
de différent modélisation types pour notre réponses:
continu, nominal, et ordinal.
Pour a continu réponse,
ce est le typique un que nous étaient parler à propos de, droite?
Nous vouloir à prédire le prix de a maison que étaient en allant à mettre sur le marché.
Maintenant, quand étaient bâtiment ce taper de modèle avec a continu réponse,
Bien, nous vouloir à savoir comment puissant que modèle est.
Qu'est-ce que le prédictif pouvoir de que modèle?
Nous peut utiliser RSquared et le Racine Moyenne Quadrillé Erreur
à diagnostiquer que modèle.
Maintenant, pour a nominal et ordinal modèle, c'est a petit peu différent.
Pour a modèle avec a nominal réponse, nous avoir catégories comme le réponse.
Dans ce exemple, étaient regarder
à si ou pas le prix volonté être sur ou ci-dessous 1 $ million.
C'est quoi nous vouloir à prédire.
Pour le ordinal réponse, ici nous avoir un ordonné catégorie.
Nous vouloir à prédire si le prix de le maison
est en allant à être faible, moyen, et haut.
Pour le nominal et ordinal exemples,
encore, nous peut regarder à RSquared et Racine Moyenne Quadrillé Erreur
à évaluer ceux modèles.
Mais il y a autre des choses que nous peut utiliser à évaluer ceux modèles,
comme le classification erronée taux et le zone sous le ROC courbe.
De cours, notre préféré outil dans JMP
à prendre a regarder à notre prédiction modèle est le Prédiction Profileur.
Allons-y prendre a regarder à le différence entre le Prédiction Profileur
pour le modélisation types de notre réponses.
Pour le continu réponse, nous peut voir que sur le axe Y,
nous avoir le signifier prédiction plus ou moins le confiance intervalle
donné le valeur de le modèle facteurs ici sur chaque de le X -axes.
Pour le nominal et ordinal logistique modèles,
quoi nous voir sur le Y -axe
est le probabilité de le réponse être dans a certain catégorie.
Pour le nominal logistique modèle, nous avoir le probabilité
que le maison est soit en allant à être au-dessus de ou ci-dessous a million dollars.
Pour ce ordinal logistique modèle,
nous peut voir le probabilité de ayant a faible, moyen, ou haut prix.
D'accord, donc il sons comme le but de quoi nous vouloir à prédire
est aussi important quand étaient parler à propos que prédiction but,
si nous vouloir à traiter prix comme continu
et obtenir le prédictions de le exact prix dehors de là,
ou si nous vouloir à traiter il comme a catégorie.
Droite.
Toi juste besoin à obtenir
que réponse variable ensemble en haut et ton données ensemble le correct chemin,
et alors, de cours, attribuer le correct modélisation taper,
et JMP est en allant à construire le correct modèle pour toi.
Tous droite, Andréa.
Es-tu prêt pour ton suivant question?
Je suis prêt. Allons-y aller.
D'accord.
Nous vouloir à quantifier
le effet sur maison prix depuis supplémentaire chambres.
Pour exemple, sur moyenne,
chaque supplémentaire chambre à coucher ajoute environ $ 97 000 à le total maison coût.
Ajout a chambre à coucher ajoute 97 000 $?
Homme, Cincinnati est a difficile logement marché.
C'est fou.
Tous droite, Bien, donc allons voir.
Quoi sont nous en essayant à faire ici?
Étaient en essayant à quantifier le effet ici.
I pense quoi étaient en essayant à faire est expliquer
que effet que chambres a sur le prix de a maison.
Je suis en allant à dire expliquer.
Tu es correct.
Ouais, étaient en essayant à décrire le relations.
Dans expliquer, nous utiliser le paramètre estimations pris depuis le modèle équation
à quantifier ceux relations entre le facteurs et le réponses.
Typiquement, nous utiliser dans JMP sous le Ajuster Modèle menu emplacement
outils comme Standard minimum Carrés, Logistique et Ordinal Régression,
et Généralisé Régression.
Modélisation taper peut vraiment impact
comment notre factorisé relation avec le réponse variable est interprété.
Nous a pris a regarder, et nous étaient regarder
à comment fait le nombre de lits affecter le logement prix?
Nous modifié lits depuis continu, à nominal, à ordinal,
et voir quoi que relation était.
Nous peut voir sous le continu, c'est où nous avons a obtenu
que chaque supplémentaire chambre à coucher ajoute 97 000 $ à propos à le total maison prix.
Que prédiction profileur spectacles a linéaire relation
quand nous traiter lits comme continu.
Mais quand nous traiter lits comme nominal ou ordinal,
il y a pas que droit linéaire relation en allant sur.
Nous voir a pointe dans prix pour 4-5 chambres comparé à en allant depuis 2-3 chambres.
Droite.
I voir avec nominal et ordinal,
le prédiction profileur apparence presque exactement le même,
donc il doit être le même modèle.
Cependant, Je suis vision avec le paramètre estimations,
ils regarder a petit peu différent entre nominal et ordinal.
Qu'est-ce que en allant sur là?
Ouais, donc le nominal et ordinal modélisation taper,
et quand nous utiliser que dans un régression, est traiter...
Ils sont codé différemment dans le régression,
donc le paramètre estimations sont différent.
Pour nominal, que intercepter,
nous pense de que comme le signifier maison prix à travers tous le différent chambres,
et chaque de ceux paramètre estimations
sont comment beaucoup que nombre de lits augmente ou diminue que signifier maison prix.
Mais pour mot finale, parce que étaient regarder à commande importe,
nous pense de le intercepter comme si là sont zéro chambres
et chaque de ceux paramètre estimations
est le effet de ajout un supplémentaire chambre à coucher sur le prix.
Tous droite.
Modélisation taper est vraiment en allant à affecter mon paramètre estimations.
I vraiment besoin à pense à propos exactement quoi faire I vouloir à expliquer
comme a partie de ce modèle quand Je suis faire ce analyse.
Oui.
Tous droite.
Sont toi prêt pour le final question, Olivia ?
Ouais, apporter il sur.
Tous droite, voici le question.
Allons-y dire nous vouloir à identifier groupes de maisons
que sont similaire basé sur a liste de possible caractéristiques.
Dans autre mots,
nous vouloir à identifier marché segments basé sur des choses comme carré images,
emplacement, nombre de chambres, et etc.
Lequel but faire toi pense ce est?
I pense tu es en essayant à astuce moi avec que identifier,
et Je suis pas en allant à automne pour il.
D'accord.
Mais là sont Non réponses dans ce question.
I pense étaient regarder à regroupement.
Je suis en allant à dire segment.
D'accord.
Bien, tu es droite, Olivia.
I a fait essayer et astuce toi a petit peu parce que I vraiment recherché à gagner.
Mais tu es droite, c'est le clé chose ici,
est que là sont Non réponses ici dans ce analyse.
Nous sont certainement regarder à segment.
Quand notre but est segment,
nous peut utiliser a couple de différent regroupement outils.
Nous peut faire Hiérarchique Regroupement,
K-Means C brillant, ou Latent Classe Analyse.
C'est important à garder dans esprit que avec Hiérarchique Regroupement,
toi peut seulement inclure...
Désolé, toi peut inclure tous de le modélisation types:
continu, nominal, et ordinal.
Mais pour K-Means Regroupement,
toi peut seulement inclure variables que sont continu.
Pour Latent Classe Analyse,
toi peut seulement inclure nominal ou ordinal variables.
Dans notre cas ici, quand étaient regarder
à le nombre de chambres, parcelle taille, année construit, et carré pieds,
nous avoir a combinaison de continu et nominal variables.
Hiérarchique Regroupement peut être le meilleur regroupement outil à utiliser dans ce scénario.
Il apparence comme avec que parallèle parcelle avec Hiérarchique Regroupement,
peut être nous pourrait appel Grappe 6 Incroyable Emplacement.
Oui.
Si toi pense a grand parcelle taille est un incroyable emplacement,
Ouais, nous peut certainement appel que segment Incroyable Emplacement Maisons.
Bien, tous droite, Olivia,
malgré moi donner toi a astuce dans que dernier question,
il apparence comme nous terminé en haut avec a cravate ici encore.
Bien avoir à revanche encore bientôt.
Absolument.
Nous parlé à propos quoi modèle quand, et cela vraiment,
quoi modèle toi choisir dépend sur ton but pour le analyse,
si c'est segment, expliquer, prédire, ou identifier.
Ouais, dans termes de modélisation taper, encore,
JMP est en allant à faire le correct analyse pour toi,
en particulier avec ton réponses.
Si tu es paramètre eux en haut avec le correct modélisation taper,
JMP est en allant à faire le correct analyse pour toi.
Si ton but est expliquer,
toi pourrait besoin à pense a petit peu à propos lequel modélisation taper à utiliser,
selon sur comment toi vouloir à expliquer
le effet de quelque chose comme le nombre de chambres.
Remercier toi, Olivia.
Ce est donc beaucoup amusant.
Allons-y faire il encore suivant année.
