| Oratore |
Trascrizione |
| Tony |
Ciao, mi chiamo Tony Cooper e presenterò alcuni lavori realizzati da me e Sam Edgemon, rappresentando entrambi. |
| |
Sam e io siamo statistici di ricerca a supporto dei settori manifatturiero e ingegneristico per gran parte della nostra carriera. L'argomento di oggi è: "Comprendere il clustering delle variabili è fondamentale quando si analizzano i dati di produzione archiviati". |
| |
Utilizzerò un singolo set di dati per la presentazione. L'obiettivo di questa presentazione sarà la lettura dell'output. E non avrò tempo di compilare tutte le finestre di dialogo per generare l'output. |
| |
Ma ho salvato tutti gli script nella tabella dati, che ovviamente saranno disponibili nella community JMP. |
| |
I dati... una volta eseguito lo script, puoi sempre usare la freccia rossa per ripetere l'operazione e riavviare l'analisi; vedrai la finestra di dialogo che sarebbe stata usata per presentare quel pezzo di output. |
| |
Utilizzerò questo singolo set di dati relativo ai dati di produzione. |
| |
E diamo un'occhiata veloce a come appaiono questi dati |
| |
E |
| |
Mi dispiace per aver avuto un |
| |
Veloce. Guarda come appare questo set di dati. Prima di tutto, ho un timestamp. Quindi si tratta di un processo continuo e, a un certo intervallo di tempo, torno indietro e ottengo un sacco di informazioni. |
| |
Su alcune variabili Y, alcuni output importanti, alcuni KPI che, sai, interessano davvero al cliente, devono essere conformi alle specifiche e così via affinché possiamo consegnare il prodotto in modo efficace. E poi... quindi questi sono... sarebbero sicuramente degli output. Giusto. |
| |
velocità della linea, come al punto di regolazione per la vibrazione, |
| |
E un sacco di altre cose. Quindi, come potete vedere, ho circa 60 variabili che stiamo misurando in quel momento. Alcune sono sensori, altre sono punti di riferimento. |
| |
E in effetti, diamo un'occhiata e vediamo che alcuni di essi sono effettivamente punti di regolazione, come il punto di regolazione del calore di produzione. Alcuni sono comandi, il che significa, ad esempio, "ecco cosa il PLC ha detto al processo di fare". Alcuni sono misure, che rappresentano il valore effettivo in quel momento. |
| |
Alcuni di loro sono |
| |
condizioni ambientali, forse penso che sia la temperatura esterna. |
| |
Alcuni di loro |
| |
sono in serie le caratteristiche qualitative dei materiali, e c'è sicuramente qualche output del sistema di visione. Quindi ci sono un sacco di cose negli input in questo momento. |
| |
E puoi immaginare, per esempio, se io ho il comando e la misura, la, ciò che ho detto alla zona in cui voglio essere e ciò che effettivamente misura, speriamo che siano correlati. |
| |
E dobbiamo indagare su alcuni di questi aspetti per riflettere su cosa sta succedendo. E questa è la multicollinearità, comprendere le interrelazioni tra |
| |
gli input o separatamente, la comprensione della multicollinearità e degli output. Ma in generale, al momento non sto facendo Y causa X effetto. Non si tratta di una tecnica supervisionata. Questa è una tecnica non supervisionata, ma sto solo cercando di capire cosa sta succedendo nei dati in questo modo. |
| |
E tutti i miei script sono qui. Quindi sì, ecco l'abstract di cui abbiamo parlato; ecco una revisione dei dati. E come abbiamo appena detto, questo potrebbe spiegare perché c'è così tanta multicollinearità, perché ho dei set point e dei valori effettivi lì dentro. Quindi, ma impareremo a conoscere queste cose. |
| |
Per prima cosa, adatteremo Y a una funzione di X e la imposteremo. Per ora esaminerò solo queste due variabili. |
| |
Il comando della zona uno, quindi quello che ho detto alla zona uno di fare, se vuoi. E poi ho una piccola coppia di termostati, una piccola coppia di termostati nell'area della zona uno e sta misurando. |
| |
E lo si può vedere chiaramente man mano che la temperatura della zona uno aumenta, questo Y4 diminuisce, questa variabile di risposta diminuisce. |
| |
E questo è vero anche per la misurazione e puoi vedere che nelle stime sono entrambe negative e, in generale, e tra l'altro, queste sono abbastanza |
| |
variabili predittive nel senso che solo questa variabile spiega il 50% di ciò che accade nel Y4. Bene, andiamo |
| |
Facciamo un'analisi multivariata. Quindi immaginiamo che ora adatterò il modello e avrò spostato entrambe le variabili in |
| |
nel mio modello e sto ancora analizzando Y4. La mia risposta è ancora Y4. Oh, guarda questo. Ora suggerisce che, come Y, mentre il comando sale. Sì, questo lo fa |
| |
che fa l'opposto di quello che mi aspetto. Questo è ancora negativo nella giusta direzione, ma guarda |
| |
Guardate alcuni di questi numeri. Non sono nemmeno lontanamente paragonabili a quelli che avevo un attimo fa, che erano 0,04 e 0,07 negativi. Ora ho 0,4 positivi e 0,87 negativi. |
| |
Non sono sicuro di potermi fidare di questo modello dal punto di vista ingegneristico e mi chiedo davvero in che modo caratterizzi e mi aiuti a comprendere questo processo. |
| |
E qui c'è un indizio. Potrebbe non essere attivo di default, ma puoi cliccare con il tasto destro del mouse sulla tabella delle stime dei parametri e richiedere la colonna VIF. |
| |
Questo sta per fattore di variazione dell'inflazione. E questa è una stima dell'instabilità del modello dovuta a |
| |
Questa multicollinearità. Quindi puoi... quindi abbiamo bisogno di un po' di intuizione su cosa... come pensare a quella variabile. Ma giusto per essere un po' più chiari su cosa sta succedendo, disegnerò un grafico... ecco |
| |
comando zona di temperatura uno ed ecco la misura, e come ci si aspetterebbe, |
| |
come dici... dici alla zona di aumentare la temperatura. Sì, la zona aumenta la temperatura e, in generale, raggiungerà forse anche i valori giusti. Ho codificato questo colore con Y4, quindi suggerisce che a temperature più basse, ottengo |
| |
gli alti valori di Y4 e che... |
| |
scusa...sì, nelle basse valli di temperatura, ho ottenuto valori elevati di Y4 ed è proprio come ho visto nei singoli grafici. |
| |
Ma puoi vedere che forse il problema ha un'intuizione sul perché il modello multivariato non ha funzionato. Stai cercando di adattare una tridimensionalità... una superficie. |
| |
oltre il filo del rasoio e ovviamente può... c'è un po' di instabilità e se... puoi facilmente immaginare che non sia ben fissato di lato, quindi posso oscillare avanti e indietro qui ed è quello che stai ottenendo. |
| |
È in termini di come ciò avviene che il fattore di variazione dell'inflazione. Il software OLS... l'analisi dei minimi quadrati ordinari OLS, tipica analisi di regressione. |
| |
semplicemente non riesco a gestirlo, in un certo senso, forse potremmo anche parlare della matrice X primo X come se fosse, sai, quasi singolare in alcuni punti. |
| |
Quindi abbiamo un'euristica del perché sta accadendo. Torniamo indietro e pensiamoci meglio |
| |
Di |
| |
Di |
| |
Il circa sui valori e |
| |
Sappiamo che |
| |
Ora sappiamo che il fattore di inflazione della variazione in realtà considera più di una semplice coppia. Ma se voglio una fonte... l'intuizione mi aiuta a pensare alla relazione tra |
| |
VIF e confronto a coppie. Come se avessi due variabili correlate al 60% |
| |
allora sai che se fosse tutto a coppie, il VIF sarebbe circa 2,5. |
| |
E se fossero correlate al 90% due variabili, allora otterrei un VIF di 10. E la letteratura dice |
| |
Quando si hanno VIF pari o superiori a 10, l'instabilità è sufficiente per preoccuparsi del modello. Quindi, in un certo senso, si ha una correlazione del 90% tra i dati. |
| |
Ora, se 10 sia un buon limite dipende, immagino, dalla tua applicazione. Se stai prendendo decisioni progettuali concrete basate su questo, penso che un limite di 10 sia decisamente troppo alto. |
| |
E forse anche vicino a due è meglio. Ma se ci pensassi di più... Beh, lasciami pensare a quali fattori considerare in un esperimento come |
| |
Voglio imparare a condurre l'esperimento giusto. E sapevo che dovevo scegliere i fattori da includere. E so che troppo spesso ci affidiamo ai soliti noti. E c'è un modo per spingermi a pensare a fattori migliori? Beh, allora forse... |
| |
10 potrebbero essere utili per aiutarti a restringere il campo. Quindi dipende davvero da dove vuoi arrivare in termini di riflessione |
| |
pensando a quale sia lo scopo. Quindi, approfondiamo ulteriormente questa idea di scopo. |
| |
Sai, per me la modellazione ha due scopi principali, se così si può dire. Uno è cosa accadrà, sai, questa è la previsione. |
| |
E ma e questo è diverso, a volte dal perché accadrà e questa è più una spiegazione. |
| |
Come abbiamo appena visto con un metodo molto semplice |
| |
Comando e misura sulla zona uno, puoi, non puoi dare una spiegazione molto buona. Non mi fiderei di quel modello per pensare al perché qualcosa sta accadendo quando ho quando io quando, quando le risposte quando, quando la stima sembra andare nella direzione sbagliata in quel modo. |
| |
Quindi è molto probabile che non lo userei per una spiegazione. In un certo senso, sto suggerendo che non lo userei nemmeno per una previsione. Perché se non riesco a capire il modello, significa che non sta facendo intuitivamente quello che mi aspetto. |
| |
Questo sembra rendere l'estrapolazione pericolosa, ovviamente, per definizione, sai, penso che la previsione di un evento futuro sia un'estrapolazione temporale. Giusto, quindi ci penserei sempre. E, sai, finora stiamo parlando di minimi quadrati ordinari. |
| |
Tutte le mie tecniche di modellazione che vedo, come alberi decisionali, analisi delle petizioni, |
| |
Siamo tutti in qualche modo interessati da questo problema, in modi diversi e inaspettati. Quindi, se possibile, sembra una buona idea occuparsene. E non è un problema esclusivo dei dati di produzione. |
| |
Ma è probabilmente ancora più esagerato nei dati di produzione perché spesso le variabili non sono controllate. Se noi |
| |
se abbiamo, ad esempio, una temperatura di zona uno e abbiamo imparato che è necessario che sia questo valore per ottenere un buon prodotto, allora lo controlleremo il più strettamente possibile per riportarlo al valore desiderato. |
| |
E quindi l'estrapolazione diventa sempre più difficile. Questa è una produzione esagerata perché non possiamo controllarli. |
| |
E ci sono altre cose sui dati di produzione che puoi leggere qui che forse lo rendono |
| |
Miglioralo, perché questo rappresenta opportunità e sfide. Meglio è riuscire a comprendere i processi produttivi. C'è molta scienza e ingegneria dietro al funzionamento di queste cose. |
| |
E puoi capire che la stechiometria, ad esempio, richiede che la quantità di A che aggiungi abbia una relazione con la sostanza chimica B. |
| |
Oppure sai che non vuoi passare dalla temperatura della zona uno a qualcosa di molto diverso perché devi aumentarla lentamente, altrimenti creerai solo stress. |
| |
Quindi puoi e dovresti comprendere il tuo processo e questo potrebbe essere un modo per eliminarne una parte, anche senza alcuna prova empirica sulla multicollinearità. |
| |
C'è anche |
| |
Un vantaggio dei dati di produzione è che sono quasi sempre basati sul tempo, quindi è necessario tracciare le variabili nel tempo. Ed è sempre interessante |
| |
o non sempre, ma spesso è interessante notare che i dati di produzione sembrano muoversi in blocchi di tempo come qui...pensiamo che dovrebbero essere 250 e li eseguiamo per mesi, forse anche anni, |
| |
E poi all'improvviso qualcuno dice: "Abbiamo fatto qualcosa di diverso o abbiamo una nuova idea. Alziamo la temperatura". E così è tutto molto diverso. |
| |
E naturalmente, se ti stai chiedendo perché c'è multicollinearità, |
| |
Abbiamo detto che potrebbe essere dovuto alla fisica o alla chimica, ma potrebbe anche essere dovuto a qualche variabile latente, ovviamente, soprattutto quando c'è il problema dello spostamento delle variabili nel tempo, come abbiamo appena visto. |
| |
Tutto ciò che cambia a quella velocità potrebbe essere la cosa che sta effettivamente influenzando i valori Y4. Potrebbe essere dovuto a un piano di controllo. |
| |
Potrebbe essere correlato in modo progettuale. E ognuna di queste cose, sapete, ognuna di queste ragioni della multicollinearità, e la domanda che mi pongo sempre è: |
| |
È fisicamente possibile provare altre combinazioni o non è fisicamente possibile, ha senso provare altre combinazioni? |
| |
In questo caso, si è propensi a sperimentare, e questo è molto utile. Modellare e analizzare retrospettivamente i dati è molto utile per progettare esperimenti migliori. |
| |
A volte, anche se le aspettative sono un po' troppo alte, a mio avviso ci aspettiamo una risposta definitiva da questi dati retrospettivi. |
| |
Abbiamo già parlato di due metodi, due e mezzo, per affrontare e comprendere il clustering multivariabile. Uno è il VIF. |
| |
Ed ecco il VIF su un modello più grande con tutte le variabili. |
| |
Come potrei pensare a quali sono correlati tra loro? Questo mi fa capire che ho molti problemi. |
| |
Ma non mi dice come affrontare questi problemi. Quindi è utile per dire: "Oh, questo non sarà un buon modello". |
| |
Ma forse non è utile per tirarti fuori da questa situazione. E se dovessi inserire le interazioni qui, sarebbe ancora peggio, perché sono quasi sempre più correlate. Quindi abbiamo bisogno di un'altra tecnica. |
| |
E questo è il clustering delle variabili. Questo è disponibile in JMP e ci sono due modi per accedervi. Si può usare la funzione "Analizza componenti principali multivariate". |
| |
Oppure si può passare direttamente al clustering delle variabili cluster. Se si esaminano le componenti principali, si deve usare l'opzione rossa... opzione triangolo rosso per ottenere le variabili cluster. Io preferisco ancora questo metodo, la PCA, perché mi piace l'output aggiuntivo. |
| |
Ma si basa sulla PCA. Quindi parleremo prima della PCA e poi dell'output del clustering delle variabili. |
| |
E poi c'è la pagina JMP. Per parlare delle componenti principali, lavorerò prima con versioni standardizzate delle variabili. E ricordiamoci cosa è standardizzato. |
| |
la media è ora zero, la deviazione standard è ora 1. Quindi ho standardizzato il significato di ciò che significa che ora sono tutti sulla stessa scala e implicitamente quando lo fai |
| |
quando lo fai |
| |
componenti principali sulle correlazioni in JMP, |
| |
implicitamente ciò che stai facendo è su variabili standardizzate. |
| |
JMP è, ovviamente, più che capace, più che intelligente abbastanza da permetterti di inserire i valori originali |
| |
e affinché funzioni nel modo corretto e poi quando emette, emetterà, sai, una formula, scoprirà qual è la formula giusta |
| |
La formula avrebbe dovuto essere, dato che, sai, sei tornato indietro non standardizzato. Ma solo per dare una prima occhiata, giusto per vedere dove si trova la formula e altre cose, lavorerò con variabili standardizzate per un po', ma torneremo rapidamente indietro, ma voglio solo vedere una formula. |
| |
E questa è la formula qui. E quello che farò è pensare all'output. Quindi qual è lo scopo di |
| |
Di |
| |
di PCA? Beh, si chiama tecnica di riduzione della variazione, ma ciò che fa è cercare combinazioni lineari delle variabili. |
| |
E se trova una combinazione lineare che gli piace, questa si chiama componente principale. |
| |
Per farlo utilizza l'analisi Eigen. |
| |
Quindi un altro modo di vederla è: sai che lo voglio, inserisco circa 60 variabili negli input. |
| |
Non ci sono 60 dimensioni indipendenti che posso manipolare in questo processo, sono correlate. Quello che faccio al comando per il tempo, per le temperature su uno |
| |
determina in modo quasi assoluto cosa succede con la temperatura effettiva. Quindi queste non sono due variabili indipendenti. Non ti impediscono di dire che non hai due dimensioni. Quindi, quante dimensioni abbiamo? |
| |
Questo è ciò che questa cosa, gli autovalori, ti dicono. Sono come la varianza. Sono stime della varianza e il limite è |
| |
Uno. E se avessi l'intera tabella qui, ci sarebbero 60 autovalori. Scendiamo fino in fondo, sai, iniziamo a segnalare a 0,97, ma il successivo è, sai, probabilmente 0,965 e continuerà a scendere. |
| |
Il valore limite dice che... o qualche linea guida dice che se è maggiore di uno, allora questa combinazione lineare spiega un segnale. E se è minore di uno, allora spiega solo il rumore. |
| |
E quindi quello che fa JMP è...quando vado al clustering delle variabili, dice, sai cosa |
| |
Qui c'è una seconda dimensione. Questo significa un secondo gruppo di variabili, giusto? Questo spiega qualcosa in modo un po' diverso. Ora li separerò in due gruppi. E poi farò un'analisi PCA su entrambi. |
| |
e se e gli autovalori per entrambi...il primo sarà grande, ma come sarà il secondo? |
| |
Dopo che mi sono diviso in due gruppi? Ora sono meno di uno? Beh, se sono meno di uno, hai finito. Ma se sono più di uno, è come se, oh, quel gruppo potesse essere diviso ancora di più. |
| |
E fu ulteriormente diviso in modo interattivo, diretto e divisivo, finché non ci furono più secondi componenti maggiori di uno. |
| |
Quindi crea queste combinazioni lineari e puoi vedere... sai, quando salvo la componente principale uno, è esattamente questa formula. Oops. |
| |
È esattamente questa formula, 0,0612, ed è la formula per Prin1, e sarà perfetta finché si standardizzerà. Se non si standardizza, JMP troverà il modo di farlo su una base non standardizzata, il che significa che è più che in grado di farlo. |
| |
Quindi cominciamo a lavorare con i dati iniziali. |
| |
E ora facciamo il nostro esempio. Vedrete che l'output è molto simile. In effetti è lo stesso output, tranne per una cosa che ho attivato. |
| |
Questa è l'opzione qui, variabili cluster. E quello che ottengo qui è l'output delle variabili cluster. E potete vedere che questi numeri sono gli stessi. E potete già iniziare a vedere alcuni dei ragionamenti che dovrà fare, tipo, diamo un'occhiata a questi due qui. |
| |
Sembra che la quantità di IA inserita sia strettamente correlata alla quantità di BI inserita, quindi... e questo avrebbe senso per la maggior parte dei processi chimici, se fa parte della reazione chimica che si sta cercando di realizzare. |
| |
Sai, se vuoi aggiungere il 10% in più, probabilmente aggiungerai il 10% in più di B. Quindi anche in questo grafico a raggi inizi a vedere alcuni elementi che suggeriscono la multicollinearità. E così arriviamo da qualche parte. |
| |
Ma voglio metterli in gruppi distinti e questo è un po' difficile perché |
| |
guardate questo tizio qui, zona di temperatura 4. |
| |
In realtà è l'opposto. Hanno più o meno la stessa angolazione, ma nella direzione opposta, quindi è quasi a 100 o 180 gradi da A e B. |
| |
Quindi forse...correlato negativamente alla temperatura della zona 4 e AB e non...ma voglio anche inserirli in gruppi esclusivi ed è quello che otteniamo |
| |
Quando abbiamo chiesto il clustering delle variabili, abbiamo preso quelle stesse cose e le abbiamo messe in gruppi distinti, e le abbiamo messe in otto gruppi distinti. |
| |
Ed ecco i coefficienti standardizzati. Quindi queste sono le formule |
| |
che per, sai, per i singoli cluster. E quindi quando salvo |
| |
i componenti del cluster |
| |
Ottengo un risultato molto simile a quello che abbiamo fatto con Prin1, solo che questo riguarda il cluster 1, perché si nota che in questa riga che ha il comando zona uno con ... con .44, tutto il resto è zero. Ogni variabile è esclusivamente in un cluster o nell'altro. |
| |
Quindi lasciatemi...parlare di alcuni dei risultati. |
| |
E quindi stiamo facendo il clustering variabile e |
| |
Ops. |
| |
Scusa. |
| Tony |
E poi abbiamo alcune tabelle nel nostro output. Quindi chiudo... riduco questa finestra e parliamo di cosa c'è qui in termini di output. |
| |
E la prima cosa che voglio segnalarvi sono le stime standardizzate, e le stavamo facendo. E se volete farlo, citando, sapete, |
| |
A mano, se vuoi, ripeti e come faccio a ottenere 0,35238 qui? Potrei eseguire la PCA solo sulle variabili del cluster 1. Queste sono le variabili che rimangono lì. E poi potresti guardare gli autovalori, gli autovettori, e questi sono i numeri esatti. |
| |
COSÌ, |
| |
Quindi il .352 è proprio quello che ho detto. Continua a fare PCA multipli in modo discontinuo e potete vedere che il secondo componente principale qui è, oh scusate, è inferiore a uno. Ecco perché si è fermato a quel componente. |
| |
Chi c'è lì dentro? |
| |
Cluster uno, beh, c'è una temperatura... le due misure della zona uno, una misura della zona tre A, la quantità d'acqua sembra essere importante rispetto a questo. Con alcune delle altre temperature qui e in cosa... nel cluster sei. |
| |
Questa è una tabella con codice colore molto utile. È organizzata per cluster. Questo è il cluster uno; posso passarci sopra il mouse e leggere tutte le cose. |
| |
ho aggiunto acqua (anche se ho detto che avrei dovuto, sì, ho aggiunto acqua. Scusate, fatemi prendere quella che ha la mia temperatura tre.) |
| |
E questa è una correlazione positiva, sapete, la cosa interessante è che la zona 4 ha una correlazione negativa. Quindi vedrete sicuramente blocchi di colore... perché questi sono... quindi questo è ovviamente il cluster uno, questo è forse il cluster tre. |
| |
Questo, lo so, è il cluster sei. |
| |
Ma guarda qui... questo... come puoi immaginare, il cluster uno e il cluster tre sono in qualche modo correlati. Iniziamo a intravedere qualche idea su cosa potremmo fare. Quindi stiamo iniziando ad avere un'idea di cosa sta succedendo nei dati. |
| |
Esploriamo questa tabella qui. Questa è la tabella con il proprio cluster, con il cluster successivo e il rapporto r-quadrato. E cosa... la salverò nel mio set di dati. |
| |
Voglio eseguire un'analisi multivariata. Ho i componenti del cluster da uno a otto e tutti i fattori. Ciò che mi interessa davvero è questa parte della tabella, per esempio per tutte le variabili originali e come si raggruppano con il componente. Quindi, lasciatemi salvare la tabella e |
| |
Quindi quello che farò è eliminare alcune righe extra da questa tabella, ma è la stessa tabella. Eliminiamo solo alcune righe. |
| |
E mi giro e... così possiamo concentrarci su alcuni. Quindi quello che mi rimane sono le colonne che sono i componenti del cluster e le righe... |
| |
riga colonna...il ruolo delle diverse...e ora sono 27 le variabili a cui stavamo pensando, non 60 (scusate) e le ho messe in 8 gruppi diversi e ho aggiunto quel numero. Possono venire automaticamente. |
| |
Ora comincerò e, per continuare a lavorare, non voglio che questi siano correlazioni. Li voglio come R al quadrato. Quindi eleverò al quadrato tutti quei numeri. |
| |
Quindi li ho semplicemente messi in quadrato ed ecco fatto. Ora possiamo osservare, ora possiamo iniziare a pensarci. |
| |
E ho ordinato...quindi diamo un'occhiata a |
| |
prima riga. |
| |
Mi dispiace, questa misura della temperatura di cui abbiamo parlato è correlata al 96% con il suo...con il cluster uno. |
| |
Ha una correlazione dell'1% con il cluster due, quindi mi sembra che voglia davvero, davvero essere nel cluster uno e non ha molto da dire che voglio entrare nel cluster due. Quello che voglio fare è trovare tutti questi... |
| |
codifichiamo a colori alcune cose qui così possiamo trovarle più velocemente. Quindi |
| |
Stiamo parlando della zona uno e quella che vorrebbe rientrare, semmai, è il cluster cinque. |
| |
Sai che è correlato al 96%, ma sai, non lo sarebbe, se dovesse lasciare questo cluster, dove andrebbe dopo? Penserebbe al cluster cinque. |
| |
E cosa c'è nel cluster cinque? Beh, potresti certamente iniziare a guardare lì. Quindi ci sono più temperature lì. Il punto di regolazione del calore e umidità e così via. Quindi, se non fosse stato così... questo numero, |
| |
Il con il cl...con il suo cluster indica quanto gli piace stare nel suo cluster e il cosa...e l'R al quadrato del cluster successivo indica quanto vorrebbe stare in un cluster diverso. E queste sono le due cose riportate nella tabella. |
| |
Sai, JMP non mostra tutte le correlazioni, ma potrebbe valere la pena di tracciarle su un grafico e, come abbiamo appena dimostrato, non è difficile da fare. |
| |
Quindi questo ti dice... mi piace molto stare nel mio gruppo. Questo significa che se dovessi andarmene, non mi dispiacerebbe andare qui. Confrontiamo i due. E prendiamo uno meno questo numero, |
| |
diviso per uno meno questo numero. Questo è il rapporto uno meno r quadrato. Quindi è il rapporto tra quanto ti piace il tuo cluster diviso per quanto hai tentato di passare a un altro cluster. |
| |
E diamo un'occhiata ad alcuni di questi. |
| |
E |
| |
Lasciami cercare il filtro dati locale lì. |
| |
Il cluster. |
| |
E il punto è questo. Quindi |
| |
In un certo senso, i valori più bassi di questo rapporto sono migliori. Questi sono quelli qui (evidenziamolo)... |
| |
Bene, mettiamo in evidenza proprio...questo uno dei migliori qui. |
| |
Mi piace quello qui sotto. Scusa. |
| |
Questo, il punto di regolazione del vuoto, si può vedere che ha un proprio cluster più grande di quello immediatamente successivo, 0,97 contro 0,0005, quindi sai che il rapporto è vicino allo zero. Quindi quelli non... |
| |
con esso... non vorresti spostarlo. E potresti iniziare a fare cose come "pensiamo solo alle variabili del cluster uno". Se qualcuno volesse lasciarlo, forse è il Pct_reclaim. Forse è entrato lì, |
| |
tipo, sai, per caso fortuito e ho, sai, e se fossi nel cluster due, potrei iniziare a pensare alla velocità della linea. |
| |
L'ultima tabella di cui parlerò è la tabella di riepilogo del cluster. Questa è |
| |
questa tabella qui. |
| |
E dice... ha esaminato questa lista e ha detto che se guardo in basso r quadrato del mio cluster, il numero più alto è .967 per il cluster uno. |
| |
Forse è il più rappresentativo. |
| |
Per me, potrebbe non essere saggio lasciare che il software decida che terrò questa variabile in ritardo...questa variabile e solo questa variabile, anche se certamente ogni software |
| |
ha un pulsante che dice di avviarlo solo con quelli principali che pensi, e questo potrebbe darti un modello stabile, in un certo senso, ma penso che sia poco efficace |
| |
il tipo di cose che puoi fare. E tu, e speriamo con le tecniche fornite, possiamo... ora hai la possibilità di esplorare anche queste altre cose. |
| |
Questo è... puoi calcolare questo numero eseguendo di nuovo la PCA sul suo cluster e questo e questo suggerisce il cluster... autovalore uno un reclamo con spiegato 0,69% quindi questo è un altro... solo pensandoci, il suo cluster. |
| |
Chiudiamo e riassumiamo. |
| |
Abbiamo quindi illustrato diverse tecniche. Se non si comprende ciò che è chiaro, si rischia di rendere i dati difficili da interpretare, arrivando persino a fuorviare i modelli. |
| |
Comprendere i dati in relazione al processo può generare multicollinearità. Quindi, è sufficiente una comprensione dal punto di vista di una PMI, con competenze specifiche in materia. |
| |
I diagrammi a coppie e a dispersione sono più facili da interpretare, ma non tengono conto della multicollinearità, quindi è necessario un approccio più approfondito. Il VIF è ottimo per segnalare un problema. È disponibile solo per i minimi quadrati ordinari. |
| |
Non c'è, non c'è alcun paragone per la previsione. |
| |
Esistono alcune linee guida e il clustering variabile si basa sui componenti principali e mostra una migliore appartenenza e rafforza le relazioni in ciascun gruppo. |
| |
E spero che questa recensione o introduzione ti incoraggino, forse, a prendere, come ho detto, questo set di dati da JMP Discovery e puoi eseguire tu stesso lo script e puoi ovviamente procedere più lentamente e assicurarti di sentirti bene e di esercitarti magari sui tuoi dati o qualcosa del genere. |
| |
Un'ultima pubblicità è, sai, c'era altro materiale e altre volte in cui Sam e io abbiamo parlato alle conferenze JMP Discovery e/o a |
| |
...o scritto white paper per JMP e sai che forse potresti voler pensare a tutto ciò a cui abbiamo pensato per la sua produzione perché abbiamo scoperto che |
| |
La modellazione dei dati di produzione richiede... è un po' particolare rispetto alla comprensione dei dati dei clienti nel settore delle telecomunicazioni, che molti di noi imparano quando andavamo a scuola. E vi ringrazio per l'attenzione e vi auguro buona fortuna. |
| |
con ulteriori analisi. |
