Ciao,
Mio
nome
È
Andrea
Coombs,
E Io sono partecipato di Mio collega, Olivia Bandiera incott.
Olivia E I Avere dato a presentazione Prima chiamato Che cosa Modello Quando.
Se Voi Volere A Prendere a più vicino Aspetto A Quello presentazione,
Voi Potere Prendere a Aspetto A IL collegamento In IL comunità inviare.
Ma Oggi, Noi Volere A parlare Di qualcosa a poco morso Di più.
Sì, Oggi Noi Volere A pensare Di modellazione tipo
E Come modellazione tipo impatti l'analisi
per ogni Di IL quattro modello obiettivi Quello Noi parlato Di precedentemente.
Giusto, E erano In realtà andando A utilizzo IL Stesso dati.
Questo È dati Quello Noi tirato da Pinna rossa Quello rappresenta
IL alloggi mercato In IL Cincinnati zona.
Qui erano provando A Aspetto
A IL prezzo Di case parente A loro piazza filmato,
IL numero Di letti, IL numero Di bagni,
E COSÌ SU E COSÌ via.
Precedentemente, noi abbiamo risposto IL domanda, Che cosa modello Quando?
Esso Veramente dipende SU Che cosa modello tu sei andando A scegliere
basato SU tuo obiettivo per IL analisi.
Per segmento, erano provando A esaminare relazioni
Dove c'è NO destinato risposta;
spiegare, erano provando A spiegare a relazione
E Aspetto A IL sottostante fattori E Come quelli simulare IL risposta;
predire, erano provando A predire futuro risultati
O IL risposta In nuovo situazioni;
e identificare, erano provando A Trovare importante variabili.
Giusto.
Ora andiamo Portare IL modellazione tipo in IL immagine.
Entrambi tuo risposte E tuo fattori Potere Avere diverso modellazione tipi.
In JMP, Là Sono tre principale modellazione tipi:
continuo, nominale, E ordinale.
Continuo modellazione tipo È rappresentato di Questo blu triangolo icona Qui,
E Questo si riferisce A numerico dati soltanto.
IL nominale modellazione tipo È rappresentato di Questo rosso icona,
E Questo È numerico O carattere dati Dove valori appartenere A categorie,
Ma IL ordine È non importante.
Per IL ordinale modellazione tipo, Esso È rappresentato di Questo verde icona,
E Questo Potere Essere O numerico O carattere dati COME BENE.
Ma In Questo caso, valori appartenere A ordinato categorie.
Quando tu sei facendo UN analisi In JMP,
Voi Volere A Fare Sicuro Voi impostato su IL corretto modellazione tipo,
Perché JMP Volere Fare IL corretto modello per Voi,
Volere Fare IL corretto analisi a seconda SU modellazione tipo.
Andrea, I Avere a gioco per noi A giocare.
Suo chiamato Nome Quello Analisi.
Fare Voi Volere A giocare?
Assolutamente. I Amore giochi.
Eccezionale.
Ecco qui tuo Primo domanda.
Noi Volere A identificare
Quale caratteristiche Di a casa Sono maggior parte importante
A determinazione IL prezzo.
Per esempio, piazza filmato E numero Di bagni
Potere spiegare a grande quantità Di IL variazione In prezzo,
Ma altro caratteristiche Sono meno importante.
Tutto Giusto, Olivia.
I pensare tu sei fabbricazione Questo Primo domanda facile per Me.
È IL risposta identificare?
Andiamo Vedere.
Sì, tu sei Giusto.
I fatto Fare Quello uno a poco morso facile A Ottenere noi andando,
Ma Quello È identificare A Trovare importante variabili entro Là.
C'è a coppia Di diverso luoghi In JMP
Dove Noi Potere utilizzo utensili A identificare Se quello è Nostro modellazione obiettivo.
Sotto IL Analizzare menu Sotto Screening, Predittivo Modellazione E Adatto Modello,
usando utensili Piace Predittore Screening, Bootstrap Foresta,
Generalizzato Regressione E Gradualmente Selezione.
Per modellazione tipo,
Quando erano guardare A IL obiettivo Di identificare,
suo non andando A simulare cose tanto.
JMP È andando A Fare IL corretto analisi
COME lungo COME tuo modellazione tipi Sono impostato in modo appropriato.
Noi preso a Aspetto A Questo E Noi preso Entrambi IL risposta E IL fattori
E cambiato loro da continuo A nominale
E guardato A Come Quale fattori venni su COME maggior parte importante.
Mentre IL ordine Di IL fattori vario, IL dominante fattori rimasto IL Stesso.
Tutto Giusto.
Esso sembra Piace Se Nostro obiettivo È A identificare importante fattori,
Veramente, IL esatto modellazione tipo erano usando
non è impattante cose Quello tanto, Esso sembra Piace, Olivia.
Giusto.
Nostro conclusioni SU Quale variabili Sono importante
non sono andando A modifica tanto basato SU IL modellazione tipo.
Va bene.
BENE, Quello È Bene A Sapere.
I Avere a domanda per Voi.
Sono Voi pronto?
Io sono pronto.
Tutto Giusto, Qui È tuo domanda.
Andiamo Dire Noi Volere A costruire a modello A predire casa prezzi.
Questo modello Volere Essere basato SU molti importante predittore variabili Noi Avere In Nostro dati.
Per esempio, Noi Volere A predire
IL prezzo Di a casa Quello Noi Volere A Mettere SU IL mercato.
Quale obiettivo Fare Voi pensare erano lavorando con Qui?
Va bene, COSÌ suo non Piace domanda uno Dove erano provando A Vedere
Quale fattori Sono maggior parte importante A predire alloggi prezzi.
Erano Appena Veramente provando A Ottenere Quello finale alloggi prezzo previsione.
Io sono andando A andare con predire.
Tutto Giusto, andiamo Vedere Se tu sei Giusto.
SÌ, Voi Sono Giusto.
IL obiettivo Di Questo analisi È predire.
C'è molti Di diverso piattaforme In JMP Dove Voi Potere costruire modelli per previsione.
Entro ogni Di quelli piattaforme In JMP Dove Voi Potere costruire IL previsione modelli,
JMP Volere Fare IL corretto analisi per Voi,
a seconda SU IL modellazione tipo Di tuo risposta.
Qui Noi Avere a tavolo
Di diverso modellazione tipi per Nostro risposte:
continuo, nominale, E ordinale.
Per a continuo risposta,
Questo È IL tipico uno Quello Noi erano parlando Di, Giusto?
Noi Volere A predire IL prezzo Di a casa Quello erano andando A Mettere SU IL mercato.
Ora, Quando erano edificio Questo tipo Di modello con a continuo risposta,
BENE, Noi Volere A Sapere Come potente Quello modello È.
Cosa c'è IL predittivo energia Di Quello modello?
Noi Potere utilizzo RSquared E IL Radice Media Quadrato Errore
A diagnosticare Quello modello.
Ora, per a nominale E ordinale modello, suo a poco morso diverso.
Per a modello con a nominale risposta, Noi Avere categorie COME IL risposta.
In Questo esempio, erano guardare
A se O non IL prezzo Volere Essere Sopra O sotto 1 dollaro milioni.
Questo è Che cosa Noi Volere A predire.
Per IL ordinale risposta, Qui Noi Avere UN ordinato categoria.
Noi Volere A predire se IL prezzo Di IL casa
È andando A Essere Basso, medio, E alto.
Per IL nominale E ordinale esempi,
Ancora, Noi Potere Aspetto A RSquared E Radice Media Quadrato Errore
A valutare quelli modelli.
Ma c'è altro cose Quello Noi Potere utilizzo A valutare quelli modelli,
Piace IL classificazione errata valutare E IL zona Sotto IL Repubblica Dominicana curva.
Di corso, Nostro preferito attrezzo In JMP
A Prendere a Aspetto A Nostro previsione modello È IL Previsione Profilatore.
Andiamo Prendere a Aspetto A IL differenza fra IL Previsione Profilatore
per IL modellazione tipi Di Nostro risposte.
Per IL continuo risposta, Noi Potere Vedere Quello SU IL asse Y,
Noi Avere IL Significare previsione più O meno IL fiducia intervallo
dato IL valore Di IL modello fattori Qui SU ogni Di IL X -assi.
Per IL nominale E ordinale logistica modelli,
Che cosa Noi Vedere SU IL Y -asse
È IL probabilità Di IL risposta essendo In a certo categoria.
Per IL nominale logistica modello, Noi Avere IL probabilità
Quello IL casa È O andando A Essere Sopra O sotto a milioni dollari.
Per Questo ordinale logistica modello,
Noi Potere Vedere IL probabilità Di avendo a Basso, medio, O alto prezzo.
Va bene, COSÌ Esso suoni Piace IL obiettivo Di Che cosa Noi Volere A predire
È Anche importante Quando erano parlando Di Quello previsione obiettivo,
se Noi Volere A trattare prezzo COME continuo
E Ottenere IL previsioni Di IL esatto prezzi fuori Di Là,
O Se Noi Volere A trattare Esso COME a categoria.
Giusto.
Voi Appena Bisogno A Ottenere
Quello risposta variabile impostato su E tuo dati impostato IL corretto modo,
E Poi, Di corso, assegnare IL corretto modellazione tipo,
E JMP È andando A costruire IL corretto modello per Voi.
Tutto Giusto, Andrea.
Sei pronto per tuo Prossimo domanda?
Io sono pronto. Andiamo andare.
Va bene.
Noi Volere A quantificare
IL effetto SU casa prezzi da aggiuntivo camere da letto.
Per esempio, SU media,
ogni aggiuntivo camera da letto aggiunge circa $ 97.000 A IL totale casa costo.
Aggiunta a camera da letto aggiunge $97.000?
Uomo, Cincinnati È a difficile alloggi mercato.
Questo è pazzo.
Tutto Giusto, BENE, COSÌ andiamo Vedere.
Che cosa Sono Noi provando A Fare Qui?
Erano provando A quantificare IL effetto Qui.
I pensare Che cosa erano provando A Fare È spiegare
Quello effetto Quello camere da letto ha SU IL prezzo Di a casa.
Io sono andando A Dire spiegare.
Tu sei corretto.
Sì, erano provando A descrivere IL relazioni.
In spiegare, Noi utilizzo IL parametro stime preso da IL modello equazione
A quantificare quelli relazioni fra IL fattori E IL risposte.
In genere, Noi utilizzo In JMP Sotto IL Adatto Modello menu posizione
utensili Piace Standard Minimo Piazze, Logistica E Ordinale Regressione,
E Generalizzato Regressione.
Modellazione tipo Potere Veramente impatto
Come Nostro fattorizzato relazione con IL risposta variabile È interpretato.
Noi preso a Aspetto, E Noi erano guardare
A Come fa IL numero Di letti simulare IL alloggi prezzo?
Noi cambiato letti da continuo, A nominale, A ordinale,
E Vedere Che cosa Quello relazione era.
Noi Potere Vedere Sotto IL continuo, quello è Dove noi abbiamo avuto
Quello ogni aggiuntivo camera da letto aggiunge $97.000 Di A IL totale casa prezzo.
Quello previsione profiler spettacoli a lineare relazione
Quando Noi trattare letti COME continuo.
Ma Quando Noi trattare letti COME nominale O ordinale,
c'è non Quello Dritto lineare relazione andando SU.
Noi Vedere a arpione In prezzo per 4-5 camere da letto confrontato A andando da 2-3 camere da letto.
Giusto.
I Vedere con nominale E ordinale,
IL previsione profiler sembra Quasi esattamente IL Stesso,
COSÌ Esso dovere Essere IL Stesso modello.
Tuttavia, Io sono vedere con IL parametro stime,
Essi Aspetto a poco morso diverso fra nominale E ordinale.
Cosa c'è andando SU Là?
Sì, COSÌ IL nominale E ordinale modellazione tipo,
E quando noi utilizzo Quello entro un regressione, È trattamento...
loro sono codificato diversamente entro IL regressione,
COSÌ IL parametro stime Sono diverso.
Per nominale, Quello intercettare,
Noi pensare Di Quello COME IL Significare casa prezzo attraverso Tutto IL diverso camere da letto,
E ogni Di quelli parametro stime
Sono Come tanto Quello numero Di letti aumenta O diminuisce Quello Significare casa prezzo.
Ma per parola finale, Perché erano guardare A ordine importa,
Noi pensare Di IL intercettare COME Se Là Sono zero camere da letto
E ogni Di quelli parametro stime
È IL effetto Di aggiungendo UN aggiuntivo camera da letto su IL prezzo.
Tutto Giusto.
Modellazione tipo È Veramente andando A simulare Mio parametro stime.
I Veramente Bisogno A pensare Di esattamente Che cosa Fare I Volere A spiegare
COME a parte Di Questo modello Quando Io sono facendo Questo analisi.
SÌ.
Tutto Giusto.
Sono Voi pronto per IL finale domanda, Olivia?
Sì, Portare Esso SU.
Tutto Giusto, ecco qui IL domanda.
Andiamo Dire Noi Volere A identificare gruppi Di case
Quello Sono simile basato SU a lista Di possibile caratteristiche.
In altro parole,
Noi Volere A identificare mercato segmenti basato SU cose Piace piazza filmato,
posizione, numero Di camere da letto, E ecc.
Quale obiettivo Fare Voi pensare Questo È?
I pensare tu sei provando A trucco Me con Quello identificare,
E Io sono non andando A autunno per Esso.
Va bene.
Ma Là Sono NO risposte entro Questo domanda.
I pensare erano guardare A raggruppamento.
Io sono andando A Dire segmento.
Va bene.
BENE, tu sei Giusto, Olivia.
I fatto Tentativo E trucco Voi a poco morso Perché I Veramente ricercato A vincita.
Ma tu sei Giusto, quello è IL chiave cosa Qui,
È Quello Là Sono NO risposte Qui In Questo analisi.
Noi Sono decisamente guardare A segmento.
Quando Nostro obiettivo È segmento,
Noi Potere utilizzo a coppia Di diverso raggruppamento utensili.
Noi Potere Fare Gerarchico Raggruppamento,
K-Means C lustro, O Latente Classe Analisi.
Suo importante A Mantenere In mente Quello con Gerarchico Raggruppamento,
Voi Potere soltanto includere...
Scusa, Voi Potere includere Tutto Di IL modellazione tipi:
continuo, nominale, E ordinale.
Ma per K-Means Raggruppamento,
Voi Potere soltanto includere variabili Quello Sono continuo.
Per Latente Classe Analisi,
Voi Potere soltanto includere nominale O ordinale variabili.
In Nostro caso Qui, Quando erano guardare
A IL numero Di camere da letto, quantità misurare, anno costruito, E piazza piedi,
Noi Avere a combinazione Di continuo E nominale variabili.
Gerarchico Clustering Maggio Essere IL migliore raggruppamento attrezzo A utilizzo In Questo scenario.
Esso sembra Piace con Quello parallelo complotto con Gerarchico Raggruppamento,
Forse Noi Potevo chiamata Grappolo 6 Sorprendente Posizione.
SÌ.
Se Voi pensare a grande quantità misurare è un Sorprendente posizione,
Sì, Noi Potere decisamente chiamata Quello segmento Sorprendente Posizione Case.
BENE, Tutto Giusto, Olivia,
nonostante Me dare Voi a trucco In Quello scorso domanda,
Esso sembra Piace Noi finito su con a cravatta Qui Ancora.
BENE Avere A rivincita Ancora Presto.
Assolutamente.
Noi parlato Di Che cosa modello Quando, e quello Veramente,
Che cosa modello Voi scegliere dipende SU tuo obiettivo per IL analisi,
se suo segmento, spiegare, predire, O identificare.
Sì, In termini Di modellazione tipo, Ancora,
JMP È andando A Fare IL corretto analisi per Voi,
particolarmente con tuo risposte.
Se tu sei collocamento loro su con IL corretto modellazione tipo,
JMP È andando A Fare IL corretto analisi per Voi.
Se tuo obiettivo È spiegare,
Voi Potrebbe Bisogno A pensare a poco morso Di Quale modellazione tipo A utilizzo,
a seconda SU Come Voi Volere A spiegare
IL effetto Di qualcosa Piace IL numero Di camere da letto.
Grazie Voi, Olivia.
Questo È COSÌ tanto divertimento.
Andiamo Fare Esso Ancora Prossimo anno.
