756804_ko-KR

liliconcom

JMP를 사용한 제한된 임상실험실 데이터에서 심부전 환자의 생존 예측(2021-US-30MP-881)

Stanley Siranovich, 수석 분석가, Crucial Connection LLC

심혈관 질환(CVD)은 전 세계 사망자의 약 30%를 차지하는 주요 사망 원인입니다. 따라서 특히 고위험 사례의 경우 조기 발견 및 치료가 사망을 예방하는 데 도움이 될 것입니다. 이 세션에서는 Kaggle에 최근 게시되고 BMC Medical Informatics and Decision Making , 20, Article number 16(2020)에 게재된 연구에 사용된 299개 행과 13개 열의 데이터 세트를 살펴봅니다. 특히 나이, 고혈압, 흡연, 크레아티닌과 같은 여러 예측 변수와 심부전을 예측하는 능력을 살펴봅니다. 예측 변수 스크리닝 및 다변량 방법 메뉴에서 여러 가지 플랫폼을 사용합니다. 또한 시각화, 상호 작용 및 분석 흐름이 보다 전통적인 방법에 비해 발견 시간을 단축할 수 있는 방법을 보여주기 위해 라이브 데모로 분석을 수행합니다.

자동 생성된 대본...

스피커	성적 증명서
피터 폴리토	안녕하세요 스탠, 잘 지내셨나요?
	안녕, 피터.
피터 폴리토	어떻게 지내세요.
	나는 잘 지내고 있어요.
	아주 멋진.
피터 폴리토	오늘 초록을 작성하는 것에 대해 어떻게 생각하시나요?
	네, 기분이 꽤 좋아요.
	알겠습니다. 퍼팅 연습할 시간이 일주일 더 없을 것 같습니다.
피터 폴리토	이제 확실해.
	저는 완벽함이 좋은 것의 적이라고 항상 생각해 왔습니다.
	네 네 그 말이 맞아요 네 제가 잘못된 링크를 클릭했어요.
	아, 죄송해요. 네, 이건 녹화하고 있는 공간으로 가는 걸 클릭해도 괜찮아요.
피터 폴리토	아, 알겠습니다.
	당신이 있는 곳에 우리도 있습니다.
피터 폴리토	죄송해요.
	좋습니다. 차를 세우겠습니다.
	시작하기 전에 몇 가지 사항을 확인하고 싶은데, 엑셀 파일로 보면 별로 도움이 되지 않고 JMP에 있을 거라고 생각됩니다.
	잠깐만요. 오늘은 어떻게 지내셨나요?
	지금까지는 잘 됐어요.
피터 폴리토	좋습니다. 어디에서 전화하시나요?
	저는 인디애나주 제퍼슨빌에서 전화드립니다. 이곳은 강 건너편에 있는 루이빌 켄터키주와 바로 맞닿아 있습니다.
피터 폴리토	좋아, 11월에 렉싱턴으로 가서 살게요.
	아, 정말로 컨퍼런스 중 하나에요.
피터 폴리토	내가 좋아하는 즐거움을 알아요.
	처남의 40번째 생일과 여러 가지.
	남자들은 위스키 시음회에 갈 거야.
	좋아 좋아. 이제 버번 트레일이 생겼네. 괜찮을까?
피터 폴리토	우리가 하고 있는 일이 바로 그것입니다.
	좋습니다. 스탠, 잠깐만요.
	좋아요. 다 마치면 알려주세요. 제 휴대전화 번호를 알려드릴게요.
피터 폴리토	좋습니다. 살펴보겠습니다.
	심부전 환자의 생존 예측 또는 기타 초록.
	아니, 심부전이에요.
피터 폴리토	좋아요. 제목은 JMP를 사용하여 제한된 임상 검사 데이터로부터 심부전 환자의 생존 예측을 확인하는 것입니다.
	그게 다예요.
피터 폴리토	좋아요. 여기서 몇 가지 말씀드리겠습니다.
	공동 발표자가 없습니다.
	맞습니다. 그리고 이를 구두로 확인해야 합니다. 이는 JMPed 디스커버리 서밋 컨퍼런스를 위해 녹음되고 JMP 사용자 커뮤니티에서 공개적으로 제공된다는 것을 이해하셨습니까? 이 녹음 및 사용에 대해 허가해 주시겠습니까?
	저는 잘 지내고 있어요. 정말 고맙습니다. 알았어요.
	몇 마디만 말씀해 주시겠습니까? 오디오가 깨끗하게 나오는지 확인하고 싶습니다.
	좋아요, 그럼, 시작해 볼까요? 제 이름은 스탠 사란이고, itch의 수석 분석가입니다.
	저는 오하이오 강 건너편, 유명한 켄터키 주 루이빌에 있는 인디애나 주 제퍼슨빌에 살고 있습니다. 오늘은 심부전 예측에 대해 말씀드리겠습니다.
피터 폴리토	완벽해요. 잘 전달되고 있어요. 깔끔하고 선명해요.
	좋아요.
피터 폴리토	영상이 선명하게 나오도록 하기 위해 해야 할 몇 가지 사항이 있습니다. 디스플레이를 확인해야 합니다. 현재 사용하고 계신 컴퓨터가 윈도우인가요?
	저는 윈도우 10 컴퓨터를 사용하고 있으며 외장 모니터로 작업할 예정입니다.
피터 폴리토	알겠습니다. 하단의 검색창에 가서 display라고 입력하세요.
	검색창 하단에 바가 있어요.
피터 폴리토	네. 이 작업을 하는 동안 화면을 공유해도 괜찮을까요?
	네, 확인해 보세요.
	응, 이건 좀 문제가 있었던 것 같아.
	우리는 화면을 공유하고 있지만 가끔씩 화면 공유가 끊어지곤 합니다.
피터 폴리토	아, 확인할 수 있네요.
	좋아요.
피터 폴리토	맨 아래에 공유 화면 버튼이 보일 텐데, 아, 죄송해요. 아버지 탓이에요.
	네, 그럼 돋보기를 클릭해주세요.
	그리고 display라고 입력하세요.
	좋아요.
	어디.
피터 폴리토	커서가 이미 있는 위치에서 바로 입력을 시작할 수 있습니다.
	아, 그거 맞네요.
피터 폴리토	아, 다시 한 번 시도할 때는 엔터 키를 누르고 싶지 않을 것 같아요.
	좋아요.
피터 폴리토	그러니 해상도를 변경해 보세요.
	그리고 마이크로소프트 경영진.
피터 폴리토	아, 그거 너 맞을 거야, 네 다른 모니터에 있는 거야?
	네, 다른 모니터에 있어요.
피터 폴리토	알겠습니다. 여기로 끌어다 놓아도 괜찮을까요?
	좋아요.
	예.
피터 폴리토	아직은 볼 수 없고 브라우저 창만 보이고 있어요.
	그리고 그게 다예요.
피터 폴리토	왜냐하면 그는 그렇게 말했기 때문이다.
	네, 우리도 똑같은 문제를 겪었어요.
피터 폴리토	그럼 전체 화면을 공유했나요, 아니면 일부만 공유했나요?
	창문이 전체 화면을 공유한다고 생각했습니다.
	새로운 공유.
	문제는 그것이 종종 내 것을 가린다는 것이다.
	줌 회의를 위한 컨트롤 바.
	아.
	그래서 제가 이렇게 하려고 노력하는 거예요.
	일정을 볼 수 있나요? 어떻게 거기에 들어갔는지 살펴보세요.
피터 폴리토	그래서 일정을 짜는 게 쉬워진 것 같아요.
	네, 자유롭게 하세요.
	그리고 아마도 나는 내 전망을 살펴볼 것이다.
	네.
피터 폴리토	그리고 시작하기 전에 Outlook을 닫아야 합니다.
	네 네 이제 연결되었으니 추가 창문은 필요 없겠네요. 닫고 모든 창문을 열어두겠습니다.
	좋습니다. 이제 봅시다.
	그리고 그게 제가 필요한 전부예요.
	새로운 공유 화면을 공유하겠습니다.
	제가 끌고 가겠습니다.
	여기서 새로운 공유 버튼을 클릭하면 됩니다.
	내 바탕 화면을 보세요.
피터 폴리토	녹색 텐트가 보이네요.
	아름다운.
	은하수 속의 일몰.
	방법 네 네, 제가 할게요.
	여기로 돌아가면 모든 검색 결과가 다시 표시됩니다.
	내 검색창을 보세요.
	네.
피터 폴리토	그리고 디스플레이 해상도를 변경하고 싶다면 옵션을 눌러주세요.
	좋아요.
피터 폴리토	자, 그럼 1920년대로 가보죠. 괜찮아요. 우리가 원하는 것은 바로 그거죠.
	좋아요, 그러면 가서 닫으면 됩니다.
	괜찮은.
피터 폴리토	그리고 하단의 작업 표시줄을 마우스 오른쪽 버튼으로 클릭하세요.
	작업 표시줄 설정으로 이동합니다.
	클릭해보세요.
	네.
피터 폴리토	네.
	좋아요.
피터 폴리토	그러니 두 번째 옵션이에요.
	자동으로 테스트를 진행해 보겠습니다.
	좋습니다. 그 밖에 다른 내용이 있으면 말씀해 주세요.
	하나.
피터 폴리토	가서 닫을 수 있어요.
	그리고 우리가 하고 싶지 않은 마지막 일은 내려가는 것입니다.
	좋아하세요?
	알림 탭이나 기타 팝업이 나타날 수 있는 모든 것이 닫혀 있는지 확인하세요.
	네, 로그인하기 전에 모든 것을 닫았습니다.
	알겠습니다. 유일한 문제는 노트북 모니터에 컨트롤 바가 여전히 켜져 있고, 여전히 Yelp 보드 모니터의 테스트 바를 보고 있다는 것입니다. 제가 프레젠테이션을 하려는 곳은 바로 거기입니다.
피터 폴리토	알았어 하나.
	다시 돌아가서 자동으로 바뀌는지 확인해 보겠습니다.
	알겠습니다. 그러면 바탕 화면을 클릭해 보면 사라질지도 모릅니다.
	네, 그렇습니다.
	자, 가자, 가자.
피터 폴리토	좋습니다. 그럼 일단 우리가요.
	우리는 지금 녹음하고 있습니다.
	이제부터 조심하겠습니다.
피터 폴리토	네, 그럴 수도 있죠.
	그게 튀어나온다고 해서 세상의 끝은 아닙니다.
	좋아요.
피터 폴리토	그럴 것이다.
	하고 싶다.
	프레젠테이션을 시작하면 소리를 끄고 카메라를 끄고 유령이 될 거예요. 여러분은 혼자 말하는 게 아니라고 생각할 거예요.
	만약 당신이라면.
	불행히도, 엄청난 혼란을 겪고 처음부터 다시 시작하고 싶은 마음이 든다면 그건 전혀 괜찮습니다.
	그들이 우리에게 시키는 방식대로 하면, 중간에 편집을 할 수 없을 테니까 기본적으로 한 번에 다 해야 해요. 앞으로 이걸 끝내고 나서 '아, 이거 말하고 싶었는데 저거 말하고 싶었어'라고 깨닫게 되는 거죠.
	이것들이 실제로 제시될 때.
	라이브로 방송할 수 있는 옵션이 있어서 언제든지 영상을 일시 정지하고 "알았어, 내가 잘못 말했어. X, Y, Z"라고 말할 수 있고 실시간으로 방송할 기회가 있습니다.
	기록을 바로잡아 두면, 내일이나 모레에 깨닫게 될지 모르지만, 그 순간에 이 말을 완전히 다르게 하고 싶다고 느낀다면, 그냥 다시 시작하면 됩니다.
	좋아, 글쎄, 그럴 일은 없기를 바라. 샤론과 닉이 말을 하는 데 문제가 있었고, 닉이 즉시 멈췄고, 나는 그들에게 즉시 멈추라고 부탁했다.
	그리고 그것은 편집되어야 합니다.
피터 폴리토	음 네 네.
	알겠습니다.
	좋은.
	좋습니다. 나머지는 이 작업을 담당하고 있는 동료들에게 맡기겠습니다.
	그러면 녹음을 일시적으로 멈추도록 하겠습니다.
	좋아요.
피터 폴리토	좋습니다. 비디오를 끄겠습니다.
	잠깐요.
	시작하기에 앞서 화면 공유 상태를 확인하고 싶습니다.
	완벽해요.
	이제 작업표시줄을 불러오고 싶습니다.
피터 폴리토	아뇨, 괜찮아요, 괜찮아요.
	좋아요, 문제는 우리가 원하는 것이 최대치라는 거예요.
	네 네 알았어요.
피터 폴리토	프레젠테이션을 할 때는 1제곱인치만 사용하세요.
	알겠습니다. 그리고 여기에 제가 화요일과 지난주에 겪었던 또 다른 문제가 있습니다. 제가 삼각형 분석가를 조사하는 척했을 때, 그것은 좀 이야기거리이긴 하지만, 저는 프레젠테이션 모드를 하지 않을 겁니다.
피터 폴리토	네, 괜찮습니다.
	좋아요, 그럼 이걸 가지고, 제 파워포인트가 위에 보이나요?
피터 폴리토	파워포인트는 봤습니다.
	좋습니다. 그럼 제가 여기로 오면 어떨까요?
피터 폴리토	그리고 내 화면이 보이네요.
	super 이걸 닫고 다른 작업 화면을 열어보겠습니다.
	어서 해봐요.
	보시다시피, 이건 새로운 JMP 화면이에요.
	스크립트와 스크립트 창.
	그래요.
	네, 프레젠테이션을 진행하던 중에 그런 일을 그만두고 공유를 중단했다가 다시 공유하게 되었어요. 잘 되기를 바랍니다.
피터 폴리토	좋아요.
	괜찮습니다. 음, 이제 마이크를 음소거하겠습니다.
	당신은요.
	그냥 당신이 하는 대로 하면 돼요, 행운을 빌어요.
	알겠습니다. 고맙습니다.
	안녕하세요, 안녕하세요, 안녕하세요 여러분. 저는 스탠 시라노비치입니다. 그리고, 저는 Crucial Connection LLC의 수석 분석가입니다.
	그리고 우리는 인디애나 주 제퍼슨빌에 있습니다. 오하이오 강 건너편, 역사적인 켄터키 주 루이빌에 있습니다.
	그리고 오늘 화면에서 보실 수 있듯이, 저는 JMP Pro 16을 사용하여 제한된 임상 검사실 데이터를 바탕으로 심부전 환자의 생존 예측에 대해 말씀드리겠습니다.
	이제 이것들이 무엇인지,
	의료 기록 모음입니다. 정확히 말해서 심부전 환자의 의료 기록 299건입니다. 그리고 그것은 [알아들을 수 없음] 심장학 연구소와 [알아들을 수 없음]에서 수집되었습니다.
	[알아들을 수 없음] 파키스탄. 그리고 그들은 2015년 4월과 12월 사이에 수집되었습니다. 이제 그들은 출판되었습니다.
	원래는 2020년 BMC 의료 정보학 및 의사결정 저널 제20권에 Chicco와 Jurman이라는 두 저자가 집필했습니다.
	그리고 저자들이 원했던 것은 심부전으로 인한 사망 가능성을 평가하는 모델을 만드는 것이었습니다.
	그리고 이 모델은 비교적 간단한 모델이어야 하며, 병원과 의료진이 심혈관 질환의 다양한 심각도를 평가하는 데 사용되기를 바랍니다.
	이제 그들은 역사에 대해 조금 언급할 것이고, 저도 그렇게 할 것입니다. 하지만 이렇게 하는 이유를 아주 간략하게 설명할 것입니다. 저자는 이것을 알아챘습니다.
	그들이 살펴본 데이터와 데이터에서 파생된 모델은 재현성이 가장 낮았고, 상위 5~6개 항목에도 여러 가지 요인이 있었습니다.
	심부전을 예측하기 위해 두 가지가 계속 나타났고, 그것은 배출량과 크레아티닌이었습니다. 그리고, 저는 그것에 대해 이야기할 것입니다.
	분석을 시작하면 1~2분 안에 무엇이 있는지 알 수 있습니다. 저자들이 한 일은 그들에 따르면 10가지 다른 고급 머신 러닝 방법을 사용하여 심부전을 예측하는 것이었습니다.
	그래서 그들은 10개의 머신 러닝 스크립트를 실행했습니다. 그들은 랜덤 포레스트 결정 트리, 그래디언트 부스팅, 모든 일반적인 용의자를 사용했습니다. 실례합니다. 그리고 그들이 한 일은 7개의 별도 머신 러닝에서 그것들을 평가한 것입니다.
	그리고 그들은 놀랍지 않게도 혈청 크레아티닌과 배출량이 유의미한 변수라는 것을 발견했습니다. 그리고 그들은 다른 모든 변수를 배제했습니다.
	그리고 JMP Pro 16에서 분석을 했을 때는 그렇지 않았습니다. 그래서 그걸 살펴보고 변수 연령에 대해 조금 이야기할 텐데,
	그 전에 JMP에 대해 이야기해 보겠습니다.
	여기가 우리가 작업할 JMP 데이터 테이블입니다.
	JMP에 익숙하지 않다면 여기서 아주 간략하게 살펴보겠습니다. 커서가 있는 곳에 스크립트 창이 있습니다. 그 다음에 열 창이 있습니다. 아무것도 선택되지 않은 열이 13개 있고 여기 행 창이 있고 행이 299개 있습니다.
	다운로드는 했지만. 작동 방식은 Kaggle에 가는 것입니다. 그들은 모든 것을 Kaggle에 게시했습니다.
	다른 사람들이 연습할 수 있도록 말입니다. 그리고 그 사이에 어떤 주에서 그것을 올렸고, 177개의 별도 제출물이 있었습니다. 그것들은 모두 오픈 소스였고 제가 살펴본 12개 정도는 모두
	일반적으로 우리가 생각하는 것은 가장 인기 있는 두 개의 오픈 소스 플랫폼입니다. 그들은 또한 원래 분석을 거기에 넣었는데, 그것은 R 통계 프로그래밍 언어로 수행되었고 그들은 모든 코드를 GITHUB에 게시했습니다. 그럼, JMP로 무엇을 할 수 있는지 살펴보겠습니다.
	이제 앞서 언급한 변수들을 살펴보겠습니다. 우선, 우리는 크레아티닌 인산키나아제를 가지고 있습니다. 그것은 효소입니다.
	그리고 그것은 근육 손상의 지표입니다. 또한 우리는 혈액에 있는 화학 물질인 혈청 크레아티닌도 가지고 있습니다.
	그리고 그것은 근육 손상과 신부전을 나타내는 지표입니다. 여기서는 근육 손상에 대해 이야기했지만 여기서는 심부전에 대해 생각하고 있습니다.
	또한, 심장을 떠나는 혈액의 비율인 배출 분율도 있고 캡션 분율을 로드해야 하는 것은 심장 근육 손상의 지표입니다. 또한, 혈청 나트륨도 있습니다.
	이는 혈액 검사로 하는 일상적인 측정입니다. 그리고 여기 매우 낮은 값은 심부전의 지표일 수 있습니다.
	우리는 또한 우리가 균형 잡힌 데이터 세트라고 부를 수 있는 것을 가지고 있다는 점에 유의해야 합니다. 즉,
	우리는...음, 긍정적이라고 부르지 말아야 할 것 같아요...여기 사례의 32%에서 사망 사건이 있었고 68%에서 생존했습니다. 그러니까, 1~2입니다.
	우리는 3분의 1의 사람들이 심부전을 겪었고 3분의 2가 지금 겪었습니다. 우리는 또한 여기에 비교적 작은 데이터 집합이 있다는 것을 언급해야 합니다.
	299개 행. 심장 기록으로는 매우 적습니다. 그러니 분석을 시작해서 다른 JMP 데이터 테이블을 가져오겠습니다.
	그리고 이게 바로 여기 있는 데이터 테이블이고, 이걸 없애버리겠습니다. 다른 화면으로 끌어다 놓을게요.
	좋습니다. 데이터 테이블을 살펴보겠습니다. 저는 이미 이 부분에서 약간의 작업을 했습니다. 몇 가지를 다시 정리하면 여기 아래에서 알 수 있을 것입니다.
	빈혈, 당뇨병, 고혈압, 섹스, 흡연. 원래 JMP로 가져왔을 때 지속적인
	분포 또는 연속
	데이터 유형이고 내가 한 것은 그것들을 변경한 것입니다. 예를 들어, 여기 와서 빈혈이나 더 나은 고혈압을 살펴보면.
	고혈압 - 0과 1이 있고, 실제로 한계점이 어디인지는 언급하지 않았습니다. 여기에 연속 데이터가 있으면 좋았을 텐데요.
	수축기와 이완기. 그게 사실이 아니에요. 그래서 우리가 해야 할 일이고 저는 그것들을 모두 바꾸었어요. 그리고, 혈소판도 볼 수 있을 거예요.
	숨겨져 있습니다.
	그리고, 그 이유는 제가 숨기고 제외했기 때문인데, 그 이유는 제가 그것들을 청소해야 했고, 제가 하고 싶은 다른 일이 하나 있기 때문입니다.
	그리고, 이걸 의도적으로 하는 방법을 보여드리겠습니다. 저는 나이를 숨기기 위해 여기로 가서 그것을 숨길 것입니다.
	그리고, 그래프에서 보이지 않게 숨겨져 있어서 계산에서 제외될 것입니다. 실수로 다른 것과 함께 끌어올 경우를 대비해서요. 그 이유를 조금 설명하겠습니다. 그러니까,
	우리는 이걸 조금 다르게 할 거예요. 실례합니다, 분석부터 시작해서 분석을 마친 후에 돌아가서 청소를 좀 할 거예요. 그러면서 설명할게요.
	그래서 우리는 여기로 올라와서
	분석하다
	그리고
	잠깐 다른 것을 따라가보겠습니다. 알겠습니다. 그런데 파워포인트 자료는 Discovery Summit 웹사이트에 올릴 예정이고, 거기에 화면 캡처와 간단한 설명이 있으니, 직접 따라하고 싶으시다면 따라하실 수 있을 겁니다.
	그러니까, 제가 가장 먼저 할 일은 여기 분석 메뉴로 가서 그걸 클릭하고, 여기 아래에 있는 예측 모델링으로 가는 겁니다.
	그리고 여기에는 모델 비교 및 ​​모델 스크리닝을 포함한 여러 가지 선택 사항이 있습니다. 모델 스크리닝에 대해 "여러 가지 예측 모델에 적합하여 최상의 모델을 선택할 수 있습니다."라고 적혀 있습니다.
	그래서 우리가 하고 싶었던 것과 평행하게 하고 싶은 것 같습니다.
	원래 분석입니다. 그리고, 우리가 얻는 이 창이 있고, 왼쪽 아래에 보면 상자가 있습니다.
	그리고 여기에는 체크박스가 있어서 어떤 모델을 실행할지 알려줍니다. 이것은 모두 기본값입니다.
	그래서, 예를 들어, Decision Tree, Bootstrap Forest, Boosted Tree, Fit Least Squares, 이런 종류의 모든 것을 실행할 것입니다. 우리가 가장 좋아하는 모든 것입니다. 그리고 거기에는 우리를 위한 11개가 있고 JMP는 자동으로 그것을 실행할 것입니다. 그래서, DEATH_EVENT,
	그게 내 Y 응답이 될 거야. 그리고 내가 할 일은 그냥
	여기 있는 모든 변수를 클릭하고 드래그하여 선택한 후, 이것을 X 요인으로 입력하겠습니다.
	그리고 확인을 클릭하겠습니다.
	그리고 우리는 앉아서 JMP가 제 역할을 하도록 둡니다.
	그리고 그것이 바로 그것입니다. 우리가 얻는 결과는 다음과 같습니다.
	그러니 이것으로 시작해 봅시다. 자세한 내용은 다음과 같습니다. 다양한 것을 볼 수 있습니다.
	이 회색 삼각형을 클릭하면 실행 중인 분석이 표시됩니다.
	우리는 더 많은 세부 사항을 볼 수 있으며, 창에 있는 세부 사항은 특정 분석과 실행에 따라 달라집니다. 더 자세히 알아보고 싶다면 물론 빨간색 핫스팟을 클릭하면 몇 가지 추가 선택 사항이 있습니다.
	그래서, 여기 아래에 있는 것이 있고, 그렇게 했을 때 여기 상자도 열렸고, 훈련이라고 라벨이 붙어 있었습니다. 그리고, 이게 모든 데이터를 훈련 세트로 실행한 결과입니다. 다시 말해서 훈련이 없었습니다.
	테스트 세트가 없었습니다. 실례합니다. 훈련 세트는 있었지만 테스트 세트는 있었습니다. 그리고 검증 세트도 없었습니다. 그 이유는 우리가 선택을 하지 않았기 때문입니다.
	이건 그냥 스크리닝일 뿐이고 훈련에서 가장 좋은 결과를 낸 것이 무엇인지 알려줍니다. 좋아요, 그럼, 여기서 열의 개수를 볼 수 있으니
	간단히 살펴보겠습니다. 엔트로피 R 제곱은
	단순히 R 제곱이고, 그것은 다음과 같습니다.
	음, 그건 적합 모델의 로그 가능도와 비교하는 척도이므로 로그 값입니다.
	그리고 잘못된 계산 비율, 곡선 아래의 면적이 있는데, 당연히 높을수록 더 좋습니다.
	그리고 우리는 RASE를 가지고 있는데, 이것은 루트 평균 제곱 예측율입니다. 그러니까, 이것은 1과 p-확률의 차이입니다.
	그것은 JMP가 내놓은 모델에 맞는 확률입니다. 그리고, 우리는 모든 사람이 R 제곱이라고 생각하는 일반화된 R 제곱을 가지고 있습니다. 그것은
	측정... 회귀 모델에 적용되고, 완벽하게 맞으면 1이 되고, 맞지 않으면 0이 됩니다. 여기서 순위를 매겼기 때문에 Bootstrap Forest가 1위를 차지했습니다.
	그리고 내가 뭐라고 더 말하고 싶은지 봅시다. 내 메모를 확인하세요.
	내 생각엔 그게 전부인 것 같아.
	다시 여기로 올라와
	그리고 Bootstrap Forest를 열고 결과를 확인하면, 여기 아래의 훈련 세트에 대해 혼동 행렬을 살펴보겠습니다.
	여기의 훈련 데이터는 우리가 본 것과 같은 데이터이지만, 이건 부트스트랩 포레스트에만 해당하고, 여기 혼동 행렬이 있고 예측 횟수도 있습니다.
	그리고, 여기 아래에는 Bootstrap Forest에 대한 예측 속도가 있습니다. 그리고 이것에 익숙하지 않거나 기억이 약간 녹슬었다면 이것이 하는 일은 우리에게 카운트를 보여주는 것입니다.
	실제로 0의 값을 갖는 사망 사건인 사망 사건, 즉 환자가 여기 아래에서 살아남았다는 것입니다. 83,
	우리는 1의 값을 가진 사망 사건을 가지고 있었는데, 이는 환자가 살아남지 못했다는 것을 의미합니다. 그리고 이것은 절대적인 수이므로 우리는 왼쪽 위에서 왼쪽으로 가는 대각선을 보고 싶습니다.
	오른쪽 아래와 대각선으로 왼쪽 아래에서 오른쪽 위로 가는 것은 잘못된 계산입니다. 그래서 우리는 13을 가졌습니다.
	생존으로 예측된 ​​시간들이 여기 있고, 그것들은 생존이 아니었습니다. 그것들은 사망이었습니다. 그리고 여기 두 번째 회색 상자에는 동일한 데이터가 있지만, 그것은 비율을 다룹니다. 우리의 경우, 그것은 약간 더 나은 측정입니다. 왜냐하면 우리는 불균형한 데이터 세트를 가지고 있기 때문입니다. 그래서 저는 그것을 닫을 것입니다.
	그리고 다음으로,
	우리가 할 일은 분석 및 맞춤 모드로 가는 것입니다. 그리고 우리가 이것을 하려는 이유는 우리가 그것에 회귀 모델을 맞추려고 하기 때문입니다. 이것은 사람들이 이해하기 훨씬 쉽고 우리에게
	우리에게 자랑할 기회를 주세요
	JMP에서 상호 작용할 수 있는 기능입니다. 그래서 제가 할 일은 그것을 닫고 여기로 가서 분석할 것입니다. 여기 있습니다.
	적합한 모델.
	그리고, 글쎄요,
	우리는 지금 변수들이 무엇인지 알고 있습니다. 우선 여기로 올라가 보겠습니다.
	DEATH_EVENT를 예측하고자 하는 것으로 거기에 넣을 것입니다. 그리고 우리는 크레아티닌이 틀렸다는 것을 알고 보았습니다. 배출 분율
	그리고 여기에 있습니다.
	혈청 크레아티닌
	중요한 변수입니다. 그리고 나이도 몇몇 분석에서 나타났습니다. 제가 찾을 수 있다면 넣어보겠습니다.
	잠깐만요.
	다시 처음부터 시작하겠습니다. 뭔가 빠졌네요.
	피터, 잠깐만요.
	그래서 제가 할 일은 여기 와서 분석하는 것입니다.
	적합한 모델입니다. 그리고 Y는 DEATH_EVENT가 될 것입니다.
	그리고 내가 할 일은 모델의 수가 발견되었기 때문에 나이를 중요한 변수로 추가하고 나이를 넣을 것입니다.
	구출 분율과 혈청 크레아티닌.
	저자는 나이를 유의미한 변수로 찾지 못했지만 저는 찾았고, 거기에 상호작용이 있을 수 있다고 생각하고 JMP를 사용하면 매우 쉽게 처리할 수 있습니다. 그래서 제가 나이를 클릭하는 방식입니다.
	그리고 배출 분율을 클릭하는 대신 추가를 클릭합니다.
	나는 여기로 내려온다
	십자가를 클릭하면 나이를 알아볼 수 있습니다.
	그리고
	혈청 크레아티닌.
	이게 컨트롤 클릭이에요.
	그리고 우리는 그것을 추가할 것입니다.
	나이, 퇴출율, 잠깐만요.
	제 생각엔 그냥 뚱뚱한 손가락이었던 것 같아요.
	이제 봅시다.
	이제 거기에 있고, 두 가지 상호 작용이 있고, 여기서 Personality에 대한 선택권을 볼 수 있습니다. 그리고 우리가 할 일은 기본값인 Nominal Logistic을 수락하는 것입니다.
	여기에는 몇 가지 다른 선택지도 있지만 우리는 그냥 이걸 고수하겠습니다.
	그리고 '실행'을 클릭하겠습니다.
	그리고 우리가 얻은 결과는 다음과 같습니다.
	알겠습니다.
	여기에는 value를 기록해야 하는데, 이는 기본적으로 마이너스입니다.
	여기 이 확률 값의 밑이 10인 로그입니다. 그리고 우리가 그렇게 하는 이유는, 즉, 작업하기 더 쉬워지고, 실례합니다, 그래프를 그리기 더 쉬워지고, 인간이 이해하기 더 쉬워지기 때문입니다. 그래서 우리는 목록에서 1번을 봅니다.
	방출 분율, 실례합니다. 저자들이 발견한 것입니다. 두 번째는 혈청 크레아티닌이지만, 나이는 여전히 세 번째이고 매우 중요합니다.
	그리고 우리는 그것을 살펴보았습니다.
	상호작용이 있고 우리는 그것들이 중요하지 않다는 것을 봅니다. 그런데 여기 파란색 선은 2의 값입니다. 2입니다.
	그리고 그들은 그것을 넣었거나 단순히 보기 쉽게 하기 위해서입니다. 그리고 제가 두 개를 선택한 이유는 그것이 log .01이기 때문입니다. 이것은 JMP에서 기본값으로 선택한 유의수준입니다.
	하지만 여기로 내려와서 로그 값 또는 값과 회귀 방정식이 비교적 낮을 것이라는 것을 알 수 있지만, 여기로 가서 .05는 많은 실험 설계에서 차단될 수 있습니다. 많은 곳에서 차단될 수 있습니다.
	분석 작업이기 때문에 우리는 그것을 기록할 것입니다. 그러나 이것은 .01의 ​​한계를 넘지 않기 때문에 여기서는 무시할 것입니다.
	임상의에게 흥미로울 수 있습니다. 다른 것을 주시할 수 있고 다른 데이터 세트에서 매우 중요할 수도 있습니다. 그리고, 우리는 여기 아래에 모든 일반적인 데이터를 가지고 있습니다. 무엇을 볼 수 있는지 봅시다. 아래로 스크롤하겠습니다.
	여기서는 설명하지 않겠지만 카이제곱 확률이 있고, 여기 아래에는 추정치가 있는데, 이는 회귀 방정식의 계수가 됩니다.
	그래서 우리는 그것을 발견했습니다.
	그러니 이 부분을 최소화하고 지금 청소와 탐색으로 넘어가겠습니다. 제가 청소를 먼저 하지 않고 이렇게 한 이유는 원래 기사에 청소에 대한 언급이 전혀 없었기 때문입니다.
	청소나 데이터 정리 같은 건 전혀 하지 않았어요. 그냥 데이터를 가져와서 모델을 돌렸을 뿐이에요.
	그리고 저는 제 데이터를 먼저 살펴보고 싶습니다. 그럼, 여기서 몇 가지를 살펴보죠. 우선, 여기로 오면,
	그리고 그 작은 아이콘을 클릭하면 헤더 그래프를 볼 수 있습니다. 저는 그것을 좋아합니다. 그럼, 여기 1을 클릭해 보겠습니다.
	제가 그런 용어를 써도 괜찮다면, 긍정적인 사망 사건이죠.
	그러면 사망 이벤트가 1인 모든 행이 강조 표시됩니다. 자세히 살펴보고 다른 변수와 상관 관계가 있는지 확인할 수 있습니다. 눈에 띄는 것이 많지는 않습니다.
	내 창문이지만 우리는 정말 왜곡된 분포를 가지고 있다는 것을 알았습니다.
	크레아티닌 인산키나제와 혈청 크레아티닌은 약간 이상해 보입니다. 그 외에는 아무것도 없습니다. 우리는 그것들을 제거할 수 있습니다.
	그래프의 다른 곳을 클릭하면, 그리고 이런 종류의 것들이 익숙하지 않다면,
	확장하고 싶다면 드래그할 수 있습니다.
	이제 Graph Builder로 이동해 보겠습니다.
	살펴보죠.
	우리가 관심 있는 것은 크레아티닌 인산키나아제와 쉬프트 클릭인 컬럼을 선택하는 것입니다.
	혈청 크레아티닌의 경우, 오, 그걸 하기 전에 거의 잊을 뻔했어요.
	마우스 오른쪽 버튼을 클릭하자
	그리고 여기서 바로 Distribution으로 갈 수 있고, 이는 Graph와 Distribution으로 올라갔을 때와 같은 것입니다. 둘 다 매우 비대칭적인 분포를 가지고 있음을 알 수 있습니다.
	그리고 우리는 여기 많은 이상치를 가지고 있고, 여기 분위수만 있고, 저는 그것을 닫을 것입니다. 제가 그것을 닫겠습니다. 우리는 그것이 실제로 필요하지 않습니다.
	이제 요약 통계를 살펴보겠습니다.
	크레아티닌 인산키나제를 살펴보겠습니다. 평균은 581이고 표준편차는 970입니다. 좀 이상하죠. 이상적인 경우와는 분명히 거리가 멀고, 혈청 크레아티닌의 경우 평균이 있습니다.
	저는 그것을 1.4라고 부르고 표준 편차는 1.0이라고 부릅니다. 그래서 그것은 이상적인 상황도 아닙니다. 그리고 그것은 우리에게 다른 정보도 주었고 이 그래프에서 보기가 조금 어렵지만 만약 당신이 그렇지 않다면
	상자 그림을 아주 빨리 보던 사람이라면 수염이 사분위 범위의 1.5배인데, 이는 상자의 맨 아래인 25번째 백분위수와 맨 위인 75번째 백분위수의 차이입니다.
	다이아몬드는 평균을 제공하고 선은 중간값을 제공합니다. 그리고, 그것을 조금 더 명확하게 하기 위해 그것을 확장할 수 있고, 조금 더 잘 볼 수 있고 거기에는 많은 이상치가 있습니다.
	그래서,
	혈청 크레아티닌이 우리의 매우 강력한 예측 변수 중 하나라는 점을 명심하세요. 우리는 또한 그것을 조금 더 자세히 살펴볼 수 있습니다.
	Graph Builder로 가세요.
	그럼 Graph와 Graph Builder로 가보죠.
	그리고 이것이 우리가 얻는 창문입니다.
	글쎄요, 우리는 연구를 통해 알고 있습니다.
	크레아티닌 인산효소가 신체에서 지속적으로 생성된다는 주제, 지식, 주제 전문성이 필요합니다. 그리고 그것은 다음과 같은 반응을 보입니다.
	혈청 크레아티닌이 될 것의 전구체이므로 아마도 둘 사이에 어떤 관계가 있을 수 있고, 우리는 또한 그, 글쎄요, 만족스럽지 못한 분포를 조사하고 싶습니다. 그러니까 여기 크레아티닌 인산효소가 있습니다.
	여기 아래를 클릭하면 X축에 이를 배치할 수 있습니다.
	그리고 우리는 Y축에서 혈청 크레아티닌과 동일한 작업을 수행하며, 여기서 우리가 얻는 것이 있습니다. 그래서 Y 혈청 크레아티닌이 0에서 10으로 변하는 것을 알아차렸고,
	크레아틴 인산키나제, 쟤들 엄청 멀리까지 가네
	거의 8000에 가까워졌습니다. 이제 우리가 할 수 있는 일이 하나 있습니다.
	클릭 드래그이고 우리는 그것을 조금 더 퍼뜨릴 ​​수 있습니다. 하지만, 우리가 할 수 있는 또 다른 일은
	축을 두 번 클릭하면 이 창이 나타납니다. 여기서 자세히 설명하지는 않겠지만 여기 와서 눈금을 보고 8000을 지나면서 최대값을 확인합니다. 그리고 여기 아래의 그래프를 보고 있으니, 이걸 끌어서 치워두겠습니다.
	물론 크레아틴 인산키나제에 대한 우리의 대부분 값은 1000 미만입니다. 사실, 그 중 상당수가 500에서 600 미만인 것 같습니다.
	그래서,
	그럴 필요는 없어요.
	그것을 바꾸다
	800을 선택해 보죠.
	좋아요.
	그러면 그 데이터 포인트의 그래프가 나옵니다. 다른 모든 것을 잘라내면 기본적으로 직선임을 알 수 있습니다. 그 사이에 실제 관계는 없고 여기 일부 이상치도 있습니다.
	혈청 크레아티닌은 여기 10에서 훨씬 높습니다. 그리고 이것은 여기에서 가치를 부정하는 것처럼 보입니다. 그래서 우리가 돌아가서 그것들을 다시 살펴보고 일부 이상치를 제거하고 다른 결과가 나오는지 확인하는 것이 좋을 것입니다.
	그리고 그것이 전부입니다. 최소화하도록 하겠습니다.
	마지막으로 데이터 세트를 살펴보세요.
	오, 맞아 혈청 크레아티닌.
	우리는 그것을 연속으로 넣었지만 여기 열에서 보면 가장 적은 수가 여기, 소수점 첫째 자리에 있으므로 거기에 10개의 값과 가장 많은 10개의 값이 있을 가능성이 있습니다.
	2세 또는 3세 미만인 것 같습니다. 그래서 분석에 따라 어떻게 처리해야 할지에 대한 의문이 생길 수 있습니다.
	그리고 우리는 확실히 우리의 분석에서 원합니다. 우리는 그것을 사용할 것입니다. 우리는 그것을 연속 변수로 정말로 고려하고 싶은가 아니면 그것을 순서형 변수로 고려할 수 있는가?
	모르겠습니다,
	그 순서형 변수에 대한 20개의 다른 값. 마케팅 분석에서 자주 하는 20이나 25 또는 그 무엇이든, 하지만 여기서는 보통 하지 않지만, 고려해야 할 사항입니다. 그러니, 제가 말하겠습니다.
	여기로 돌아가서 요약을 보세요. PowerPoint로 돌아가세요.
	그리고 그것을 확장해서 보여드리겠습니다. 모두가 볼 수 있기를 바랍니다. 내용은 다음과 같습니다.
	우리는 JMP에서 기본적으로 선택한 11개의 다른 모델을 가지고 있고, 우리는 그 11개의 다른 모델을 얻었고, 분석, 예측 모델링, 모델 스크리닝으로 가서 모두 가져왔습니다. 우리는 혈청 크레아티닌, 연령, 그리고 배출 분율이 모두 유의미하다는 것을 발견했습니다.
	그리고 우리는 연령 교차 배출 분율 상호 작용이 추가적인 임상 연구를 보증할 수 있음을 알아냈지만, 그것이 우리 연구에 실제로 중요하지는 않았습니다.
	값에 대해 결정했습니다. 그리고, 우리는 특히 크레아티닌 분포에서 매우 왜곡된 값을 보았습니다. 이것은 우리 모델에서 사용되었고 데이터 세트가 매우 작고 불균형했습니다. 그리고, 이제 저는 앞서 나이를 언급했습니다. 원래 내용으로 돌아가겠습니다.
	그것을 끌어내세요. 여기 나이가 있습니다.
	보시다시피, 분포가 다소 왜곡되어 있는데, 저는 그것을 모델에 반영하지 않았습니다. 그 이유는 데이터를 수집하는 방식 때문입니다.
	우리는 기사를 읽으면서 그들이 어떤 종류의 의료 종사자를 보내어 사람들을 체크했다는 것을 알고 있습니다.
	원래 데이터는 연구를 위해 개발되었습니다. 그래서 65년을 보면 65개월 후로 돌아갔습니다.
	아, 실례합니다. 제가 말하는 건 나이에 대한 이야기가 아니었습니다. 여기로 돌아가서, 시간으로 가서 내가 그것을 숨기지 않도록 하세요.
	그리고 시간이 있습니다. 조금 이상하네요. 조금 꺼내볼게요.
	그들이 한 일
	원래 연구 이후에 돌아갔어요. 그러니까 16년을 보면 원래 연구 이후 16개월 뒤로 돌아가서 사망 사건이 있었는지, 없었는지 확인했어요. 즉, 환자가 아직 살아있었는지, 아니면 아직 살아있지 않았는지, 아니면 그녀가.
	그래서 16개월 후에 이 환자, 21번은,
	아직 살아있었어. 이제, 우리가 여기 죽음의 사건으로 내려가면, 그걸 강조해 볼게요.
	그리고 여기로 오세요.
	우리는 시간이 20인 것을 봅니다.
	글쎄요, 사망 사건이 그들이 일주일 전을 체크하기 전날에 일어났는지, 한 달 전이나 두 달 전에 일어났는지 알 수 없습니다. 논문을 발표하고 Kaggle에 올린 원래 저자는 그 데이터를 살펴보았습니다.
	그리고 그들은 그것으로부터 긍정적인 결론을 찾을 수 없었습니다. 그 사람은 1개월차에 죽었을 수도 있지만, 아무도 1개월차에 확인하지 않았습니다.
	그리고 우리는 후속 점검의 빈도를 모릅니다. 그래서 저는 그것을 추가하고 포함시켰고, 거기에 더 나은 데이터가 있었다면, 우리는 여기로 와서 분석할 수 있었을 것입니다.
	신뢰성과 생존, 그리고 X에 의한 생명 분배나 적합한 삶을 할 수 있었습니다. 이런 방법들은 많이 쓰이긴 하지만, 이 특정한 경우에는 그렇게 할 수 없었습니다.
	그래서 꽤 많은
	프레젠테이션을 마치겠습니다. 사이트에 다시 게시될 파워포인트 자료로 돌아가겠습니다. 여기에 원본 저널 기사의 링크가 있습니다.
	카글.
	페이지. CSV인 Kaggle 데이터 세트 및
	R 코드가 있는 저자의 Github 저장소. 그리고, 여러분 모두가 그것을 즐기셨으면 좋겠습니다.
	그리고 그것으로
	이것으로 프레젠테이션을 마치겠습니다.
피터 폴리토	요즘 좋은 일자리는 매우 흥미롭다.
	감사합니다.
피터 폴리토	좋습니다. 그럼, 체크리스트를 확인해 볼까요.
	확신하는.
피터 폴리토	나는 그렇지 않아.
	저는 에이전트의 시간으로는 그럴 수 없다고 생각해요.
	제발, 제발 그걸 잡아주세요.
피터 폴리토	네. 그리고 그들이 돌아와서 잠깐 멈추는 게 싫다고 하면, 당신이 살아있을 때, 그냥 발표하는 사람과 이야기하면 되고, 그 부분은 건너뛰고 그냥 일어난 일을 말하면 돼요.
	알겠습니다.
	그들이 우리에게 다시 녹음하라고 요청할 것 같지는 않지만.
	잘.
	네, 그렇게 한다면 큰 문제는 없을 거예요.
피터 폴리토	좋아, 그럼 나머지는 다 내가 할 일이니까 하려고요.
	녹음을 멈추면 시작할 수 있습니다.
	그리고 좋아요.
피터 폴리토	좋죠. 시청하게 해주셔서 감사합니다.
	네, 좋은 점은, 비록 제가 몇 가지 실수를 했지만, 이 소프트웨어는 아무런 문제가 없었다는 것입니다.
	이제 모든 게 잘 보이네요. 네, 모든 걸 끌고 와서 그대로 두었으니까 좋습니다.
피터 폴리토	좋습니다.
	아마 디스커버리 서밋에서 여러분을 만나서 좋은 하루를 보낼 수 있을 것 같아요.
	좋아, 너도 극장이네.
피터 폴리토	좋아, 안녕, 서 있거라.
	에 의해.

고급 통계 모델링기본 데이터 분석 및 모델링소비자 및 시장 조사데이터 탐색 및 시각화실험 설계대량 맞춤형예측 모델링 및 머신 러닝품질 및 공정 엔지니어링신뢰성 분석결과 공유 및 전달