Bonjour, Je suis Ron Kennett.
Ce est a articulation parler avec Chris Gotwalt.
Étaient en allant à parler à toi à propos modèles.
Les modèles sont utilisé largement.
Nous espoir à apporter quelques supplémentaire perspective
sur comment à utiliser modèles dans général.
Nous appel le parler
"Différent objectifs, différent modèles:
Comment à utiliser modèles à aiguiser ton questions."
Mon partie volonté être un introduction, et Je vais donner un exemple.
Vous allez avoir accéder à le données Je suis en utilisant.
Alors Chris volonté continuer avec un plus complexe exemple,
introduire le FORME valeurs disponible dans JMP 17,
et fournir quelques conclusions.
Nous tous savoir que tous modèles sont faux,
mais quelques sont utile.
Seul Karlin dit quelque chose différent.
Il dit que le but de modèles est pas à ajuster le données,
mais à aiguiser le question.
Alors ce gars, Pablo Picasso, il dit quelque chose dans...
Il décédé dans 1973, donc toi peut imaginer quand ce était dit.
I pense dans le tôt '70 s.
"Ordinateurs sont inutile. Ils peut seulement donner toi réponses."
Il est plus dans doubler avec Karlin.
Mon prendre sur c'est ça
cela présente la différence clé entre a modèle et a ordinateur programme.
Je suis regarder à le modèle depuis a statisticien perspective.
Transaction avec Boîtes célèbre déclaration.
"Oui, quelques sont utile. Lequel ceux-là ?"
S'il te plaît aide nous.
Que faire toi signifier par quelques sont utile?
C'est pas très utile à dire que .
En route pour Karlin, "Aiguiser le question."
D'accord, c'est a bien idée.
Comment faire nous faire que?
Le indiquer est que Boîte semble concentré sur la phase d'analyse des données
dans la vision du cycle de vie des statistiques, qui commence par l'élicitation du problème,
se déplace à but formulation, données collection, données analyse,
résultats, opérationnalisation de trouver,
communicationnel résultats, et impact évaluation.
Karlin est plus concentré sur le problème sollicitation phase.
Ces deux citations de Boîte et Karlin
référer à différent étapes dans ce vie faire du vélo.
Le données Je suis en allant à utiliser est un industriel données ensemble,
174 observations.
Nous avoir capteur données.
Nous avoir 63 capteurs.
Ils sont étiqueté 1, 2, 3, 4 à 63.
Nous avoir deux réponse variables.
Ces sont à venir depuis essai quelques systèmes.
Le statut rapport est échouer/réussir.
52,8% de le systèmes que étaient testé échoué.
Nous avoir un autre rapport,
lequel est a plus détaillé rapport sur test résultats.
Quand les systèmes échouer,
nous avoir quelques classification de le échec.
Test résultat est plus détaillé.
Statut est aller/ne pas aller.
Le but est à déterminer le système statut depuis le capteur données
donc que nous peut peut être éviter le frais et retards de essai,
et nous peut avoir quelques tôt prédictions sur le foi de le système.
Un approche nous peut prendre est à utiliser a boosté arbre.
Nous mettre le statut en réponse, les 63 capteurs X, facteurs.
Le boosté arbre est qualifié séquentiellement, un arbre à a temps.
T il autre modèle étaient en allant à utiliser est aléatoire forêt,
et c'est fait avec indépendant arbres.
Là est a séquentiel aspect dans boosté arbres
que est différent depuis aléatoire forêts.
Le installation de boosté arbres implique trois paramètres:
le nombre de arbres, profondeur de arbres, et le apprentissage taux.
Ce est quoi JMP donne comme un défaut.
Boosté arbres peut être utilisé à résoudre la plupart objectif fonctions.
Nous pourrait utiliser il pour poisson régression,
lequel est transaction avec compte que est a peu Plus fort à atteindre
avec aléatoire forêts.
Étaient en allant à se concentrer sur ces deux types de modèles.
Quand nous appliquer le boosté arbre,
et nous avoir a validation ensemble en haut
avec 43 systèmes dessiné au hasard comme le validation ensemble.
Cent trente et un systèmes est utilisé pour le entraînement ensemble.
Nous sont obtenir a 9,3% classification erronée taux.
Trois échoué systèmes.
Nous savoir qu'ils échoué parce que nous avoir il dans le données,
étaient en fait classifié comme passer.
Le 20 que passé, 19 étaient classifié comme passer.
Le FAUX prédit passer est 13 %.
Nous peut regarder à le variable colonne contributions.
Nous voir que Capteur 56, 18, 11, et 61 sont le haut quatre
dans termes de contribuant à ce classification.
Nous voir que dans le entraînement ensemble, nous avait zéro classification erronée.
Nous pourrait avoir quelques sur ajustement i n ce BT application.
Si nous regarder à le ascenseur courbe,
40 % de le systèmes, nous peut obtenir sur deux ascenseur
lequel est la performance que nous offre ce classificateur.
Si nous essayer le huées piège forêt,
un autre option, encore, nous faire le même chose.
Nous utiliser le même validation ensemble.
Le valeurs par défaut de JMP sont donner vous certains paramètres
pour le nombre de arbres
et le nombre de caractéristiques à être choisi à chaque mode.
Ce est comment le aléatoire forêt travaux.
Toi devrait être conscient que ce est pas très bien
si toi avoir catégorique variables et manquant données,
lequel est pas notre cas ici.
Maintenant, le classification erronée taux est 6.9, inférieur que avant.
Sur le entraînement ensemble, nous avait quelques classification erronée.
Le aléatoire forêt appliqué à le test statut,
lequel moyens quand nous avoir le détails sur le échecs est 23.4,
donc mauvais performance.
Aussi, sur le entraînement ensemble, nous avoir 5% classification erronée.
Mais nous avoir maintenant a plus large gamme de options
et c'est ce qui explique quelques de le inférieur performance.
Dans le ascenseur courbe sur le test résultats,
nous en fait, avec assez bien performance,
peut prendre en haut le haut 10 % de le systèmes avec a effet de levier de au-dessus de 10.
Donc nous avoir plus de dix pli augmenter pour 10 % de le systèmes
relatif à le grandiose moyenne.
Maintenant ce est poser a question- souviens-toi le sujet de le parler-
quoi sont nous regarder à?
Faire nous vouloir à identifier haut score bien systèmes ?
Le aléatoire forêt serait faire que avec le test résultat.
Ou faire nous vouloir à prédire a haut proportion de passer?
Le arbre bootstrap serait offre que.
A secondaire question est à regarder à quoi est affectant ce classification.
Nous peut regarder à le colonne contributions sur le boosté arbre.
Trois de le quatre sommets variables montrer en haut aussi sur le aléatoire forêt.
Si nous utiliser le statut réussite/échec,
ou le détaillé résultats,
là est a parcelle de similarité sur le importance de le capteurs.
Ce est juste donner toi quelques arrière-plan.
Chris est en allant à suivre en haut avec un évaluation de le sensibilité
de ce variable importance, le utiliser de SHAP v valeurs
et des trucs encore plus intéressants.
Ce va dos à interrogatoire quoi est ton but,
et comment est le modèle portion toi chiffre dehors le but
et peut être affûtage le question que vient depuis le déclaration de le but.
Chris, c'est tout à toi.
Merci, Ron.
Je suis en allant à prendre en haut depuis où Ron laissé de côté
et chercher a modèle que volonté prédire si ou pas a unité est bien ou pas,
et si il n'est pas, qu'est-ce que le probable échec mode que a a résulté ?
Ce serait être utile dans ce si a modèle est bien à prédire bien unités,
nous peut pas avoir à sujet eux à beaucoup plus loin essai.
Si le modèle donne a prédit échec mode,
étaient capable à obtenir a tête commencer sur diagnostic et fixation le problème,
et peut-être, nous peut être capable à obtenir quelques conseils
sur comment à améliorer le production processus dans le avenir.
Je suis en allant à aller à travers le séquence
de comment I approché répondre ce question depuis le données.
I vouloir à dire à le début que ce est simplement le chemin que I a pris
comme I demandé questions de le données et agi sur divers motifs que I scie.
Là sont littéralement beaucoup autre manières que un pourrait procéder avec ce.
Il y a souvent pas vraiment a vraiment correct répondre,
juste a critère pour si ou pas le modèle est bien assez,
et le montant que tu es capable à obtenir fait
dans le temps que toi avoir à obtenir a résultat dos.
I avoir Non doute que là sont mieux modèles dehors là
que quoi I est venu en haut avec ici.
Notre but est à montrer un réel processus de s'attaquer a prédiction problème,
illustrant comment un peut se déplacer avant
par itération à travers cycles de modélisation et visualisation,
suivi par observer le résultats et en utilisant eux à demander un autre question
jusqu'à nous trouver quelque chose de un répondre.
I volonté être en utilisant JMP comme a statistique suisse armée couteau,
en utilisant beaucoup outils dans JMP
et suivant le intuition I avoir à propos modélisation données
que a construit en haut sur beaucoup années.
D'abord, allons juste prendre a regarder
à le fréquences de le divers test résultat catégories.
Nous voir que le le plus grand et la plupart fréquent catégorie est Bien.
Bien probablement avoir le la plupart chance être capable à prédire que catégorie.
Sur le autre main, le SOS catégorie a seulement deux événements
donc c'est en allant à être très difficile pour nous à être capable à faire beaucoup avec que catégorie.
Nous peut avoir à ensemble que un de côté.
Bien voir à propos que.
Vitesse II, LUTIN, et Frein
sont tous assez rare avec cinq ou six événements chaque.
Là peut être quelques limites dans quoi étaient capable à faire avec eux comme Bien.
I dire ce parce que nous avoir 174 observations
et nous avoir 63 prédicteurs.
Donc nous avoir a parcelle de prédicteurs pour a très petit nombre de observations,
lequel est en fait même plus petit quand toi considérer le fréquences
de quelques de le catégories que étaient en essayant à prédire.
Étaient en allant à avoir à travail itérativement par faire visualisations dans modélisation,
reconnaissant motifs, demander questions,
et alors par intérim sur ceux avec un autre modélisation étape itérativement
dans commande à trouver a modèle c'est en allant à faire a bien emploi
de prédire ces réponse catégories.
I avoir le données trié par test résultats,
donc que le bien résultats sont à le début,
suivi par chaque de le différent échec modes d de sorte que après que.
I est allé devant et coloré chaque de le rangées par test résultats donc que nous peut voir
lequel observation appartient à a particulier réponse catégorie.
Donc alors I est allé dans le modèle- conduit multivarié contrôle graphique
et I apporté dans tous de le capteurs comme processus variables.
Depuis I avait le bien test résultats à le début,
I étiqueté ceux comme historique observations.
Ce nous donne a T² graphique.
C'est choisi 13 principal composants comme c'est base.
Quoi nous voir ici
est que le graphique est dominé par ces deux points droite ici
et tous de le autre points sont très petit dans valeur
relatif à ceux deux.
Ces deux points se produisent à être le SOS points.
Ils sont très sérieux valeurs aberrantes dans le capteur lectures.
Depuis nous aussi seulement avoir deux observations de ceux,
Je suis en allant à aller devant et prendre ceux dehors de le données ensemble
et dire, Eh bien, SOS est évidemment donc mauvais que le capteurs
devrait être juste vol désactivé le graphiques.
Si nous rencontre il, étaient juste en allant à aller devant
et essayer à préoccupation nous-mêmes avec le autre valeurs
que ne le faites pas avoir ce désactivé- le- graphiques comportement.
Commutation à a enregistrer échelle, nous voir que le bien test résultats
sont assez Bien -se comporte bien.
Alors il y a précis signaux
dans le données pour le différent échec modes.
Maintenant nous peut percer vers le bas a petit peu Plus profond,
prise a regarder à le contribution parcelles pour le historique données,
le bien test résultat données, et le échec modes
à voir si n'importe lequel motifs émerger dans le capteurs que nous peut acte sur.
Je suis en allant à retirer ceux deux SOS observations
et sélectionner le bien unités.
Si I clic droit dans le parcelle,
I peut apporter en haut a contribution parcelle
pour le bien unités, et alors I peut aller sur à le unités
où là était a échec, et I peut faire le même chose,
et Bien être capable à comparer le contribution parcelles côté par côté.
Donc quoi nous voir ici sont le contribution parcelles
pour le passer unités et le échouer unités.
Le contribution parcelles
sont le montant que chaque colonne est contribuant à le T ²
pour a particulier rangée.
Chacun de le barres là correspondre à un individuel capteur pour que rangée.
Contribution parcelles sont coloré vert quand que colonne est dans trois sigma,
en utilisant un individus et mobile gamme graphique,
et c'est rouge si c'est dehors de contrôle.
Ici nous voir la plupart de le capteurs sont dans contrôle pour le bien unités,
et la plupart de le capteurs sont dehors de contrôle pour le échoué unités.
Quoi I était en espérant pour ici
serait avoir a été si là était seulement a sous-ensemble de le colonnes
ou capteurs que étaient dehors de contrôle plus de le échoué unités.
Ou si I était capable à voir motifs
que modifié à travers le différent échec modes,
lequel serait aide moi isoler quoi variables sont important
pour prédire le test résultat résultat.
Malheureusement, joli beaucoup tous de le capteurs
sont dans contrôle quand des choses sont bien,
et la plupart de eux sont dehors de contrôle quand des choses sont mauvais.
Alors nous allons avoir à utiliser quelques plus sophistiqué modélisation
à être capable à tacle ce prédiction problème.
Ayant pas trouvé rien dans le colonne contributions parcelles,
Je suis en allant à dos en haut et retour à le deux modèles que Ron trouvé.
Ici sont le colonne contributions pour ceux deux modèles,
et nous voir que il y a quelques accord dans termes de
quoi sont le la plupart important capteurs.
Mais boosté arbre trouvé a quelque peu plus grand ensemble de capteurs comme être important
sur le bootstrap forêt.
Lequel de ces deux modèles devrait nous confiance plus?
Si nous regarder à le dans l'ensemble modèle ajuster rapport,
nous voir que le boosté arbre modèle a a très haut entraînement RS pourquoi de 0,998
et a quelque peu v plus petit alidation RS pourquoi de 0,58.
Ce apparence comme un sur-apprentissage situation.
Quand nous regarder à le aléatoire forêt, il a a quelque peu plus petit entraînement RS pourquoi,
peut-être a plus réaliste un, que le bootstrap forêt,
et il a a quelque peu plus grand validation RS pourquoi.
Le généralisation performance de le aléatoire forêt
est avec un peu de chance a petit peu mieux.
Je suis incliné à confiance le aléatoire forêt modèle a petit peu plus.
Partie de ce est en allant à être basé sur juste le folklore de ces deux modèles.
Boosté arbres sont célèbre pour être rapide, très précis modèles
que travail Bien sur très grand ensembles de données.
Alors que le ouï-dire est que aléatoire forêts sont plus précis sur plus petit ensembles de données.
Ils sont assez robuste, désordonné, et bruyant données.
Il y a a long histoire de en utilisant ces types de modèles
pour variable sélection que va dos à a papier dans 2010
que a a été cité presque 1200 fois.
Donc ce est a populaire approche pour variable sélection.
I a fait a similaire recherche pour stimuler,
et I n'a pas assez voir comme beaucoup histoire autour variable sélection
pour boosté arbres comme I a fait pour aléatoire forêts.
Pour ce donné données ensemble r droit ici,
nous peut faire a sensibilité analyse à voir comment fiable
le colonne contributions sont pour ces deux différent approches,
en utilisant le simulation capacités dans JMP Pro.
Quoi nous peut faire est créer a aléatoire validation colonne
que est a formule colonne
que toi peut réinitialiser et volonté partition le données
dans aléatoire entraînement et résistant ensembles de le même portions
comme le original validation colonne.
Nous peut avoir il rediffusion ces deux analyses
et garder piste de le colonne contribution portions
pour chaque de ces répartitions.
Nous peut voir comment cohérent le l'histoire est
entre le boosté arbre modèles et le aléatoire forêts.
Ce est joli facile à faire.
Nous allons juste à le Faire Validation Colonne utilitaire
et quand nous faire a nouveau colonne, nous demander il à faire a formule colonne
donc que ça pourrait être réinitialisé.
Alors nous peut retour à le bootstrap forêt plate-forme,
droite- cliquez sur le colonne contribution partie,
sélectionner Simuler.
Ça va apporter en haut a dialogue
demander nous lequel de le saisir colonnes nous vouloir à changer dehors.
Je suis en allant à choisir le validation colonne,
et Je suis en allant à changer dans en remplacement de il,
ce aléatoire validation formule colonne.
Étaient en allant à faire c'est une centaine fois.
Bootstrap forêt est en allant à être rediffusion
en utilisant nouveau aléatoire partitions de le données dans entraînement et validation.
Étaient en allant à regarder à le distribution de le portions
à travers tous le simulation courses.
Ce volonté générer a ensemble de données
de colonne contribution portions pour chaque capteur.
Nous peut prendre ce et aller dans le graphique constructeur
et prendre a regarder et voir comment cohérent ceux colonne contributions sont
à travers tous ces aléatoire partitions de le données.
Ici est a parcelle de le colonne contribution portions
depuis chaque de le 100 aléatoire remaniements de le validation colonne.
Ces points nous voir dans gris ici,
Capteur 18 semble à être systématiquement a grand donateur, comme fait Capteur 61.
Nous aussi voir avec ces rouge croix,
ceux sont le colonne contributions depuis le original analyse que Ron a fait.
Le dans l'ensemble histoire que ce raconte est que le tendance
i s que chaque fois que le original colonne contribution était petit,
ceux concernant simulé colonne contributions aussi soigné à être petit.
Quand le colonne contributions étaient grand dans le original analyse,
ils soigné à rester grand.
Étaient obtenir a relativement cohérent histoire depuis le bootstrap forêt
dans termes de quoi colonnes sont important.
Maintenant nous peut faire le même chose avec le boosté arbre,
et le résultats ne sont pas assez comme cohérent comme ils étaient avec le bootstrap forêt.
Donc ici est a bouquet de colonnes
où le initial colonne contributions est venu très petit
mais ils avait a plus substantiel contribution
dans quelques de le aléatoire remaniements de le validation colonne.
Que aussi arrivé assez a peu fini avec ces Colonnes 52 à travers 55 sur ici.
Alors là étaient aussi quelques situations
où le original colonne contribution était assez grand,
et la plupart, si pas tous,
de le autre colonne contributions trouvé dans le simulations étaient plus petit.
Que ça arrive ici avec Colonne 48,
et à quelques étendue aussi avec Colonne 11 sur ici.
Le dans l'ensemble conclusion être que I pense ce validation mélange
est indiquant que nous peut confiance le colonne contributions
depuis le bootstrap forêt à être plus écurie que ceux de le boosté arbre.
Basé sur ce comparaison, I pense I confiance le colonne contributions
depuis le bootstrap forêt plus,
et Je suis en allant à utiliser le colonnes que il recommandé
comme le base pour quelques autre modèles.
Quoi Identifiant comme à faire
est trouver a modèle que est les deux plus simple que le bootstrap forêt modèle
et effectue mieux dans termes de validation ensemble performance
pour prédire passer ou échouer.
Avant procédure avec le suivant modélisation truc,
Je suis en allant à faire quelque chose que I devrait avoir probablement fait à le très début,
lequel est à prendre a regarder à le capteurs dans a nuage de points matrice
à voir comment corrélé le capteur lectures sont,
et aussi regarder à histogrammes de eux comme Bien à voir si ils sont valeur aberrante sujet
ou fortement biaisé ou sinon très non- gaussien.
Quoi nous voir ici est là est joli fort multicolinéarité
parmi le saisir variables en général.
Étaient seulement regarder à a sous-ensemble de eux ici,
mais ce haut multicolinéarité persiste à travers tous de le capteur lectures.
Ce suggère que pour notre modèle,
nous devrait essayer des choses comme le logistique lasso,
le logistique élastique filet, ou une logistique crête régression
comme candidats pour notre modèle à prédire passer ou échouer.
Avant nous faire que, nous devrait aller devant
et essayer à transformer notre capteur lectures ici
donc que ils sont a petit peu mieux- s'est comporté et plus gaussien- regarder.
Ce est en fait vraiment facile dans JMP
si toi avoir tous de le colonnes en haut dans le distribution plate-forme,
parce que tous toi avoir à faire est prise tout en bas , choisir Ajuster Johnson,
et ce volonté ajuster Johnson distributions à tous le saisir variables.
Ce est a famille de distributions
que est basé sur a quatre paramètre transformation à normalité.
Comme a résultat, nous avoir a bon fonctionnalité dans là
que nous peut aussi diffuser en utilisant Alt Cliquez,
où nous peut sauvegarder a transformation depuis le original échelle
à a échelle que fait le colonnes plus normalement distribué.
Si nous aller dos à le données tableau,
Bien voir que pour chaque capteur colonne, a transformer colonne a a été ajouté.
Si nous apporter ces transformé colonnes en haut avec a nuage de points matrice
et quelques histogrammes,
nous clairement voir que le données sont moins biaisé
et plus normalement distribué que le original capteur colonnes étaient.
Maintenant le bootstrap forêt modèle que Ron trouvé
seulement vraiment recommandé a petit nombre de colonnes
pour utiliser dans le modèle.
Parce que de le haut colinéarité parmi le colonnes,
le sous-ensemble que nous a obtenu pourrait facilement être partie
de a plus grand groupe de colonnes que sont corrélé avec un un autre.
Il pourrait être avantageux à trouver que plus grand groupe de colonnes
et travail avec que à le suivant modélisation scène.
Un exploratoire chemin à faire ce
est à aller à travers le grappe variables plate-forme dans JMP .
Étaient en allant à travail avec le normalisé version de le capteurs
parce que ce plate-forme est PCA et facteur analyse basé,
et volonté fournir plus fiable résultats si étaient fonctionnement avec données
que sont environ normalement distribué.
Une fois étaient dans le variable regroupement plate-forme,
nous voir que là est très clair,
fort associations parmi le saisir colonnes.
Il a identifié que là sont Sept groupes,
et le le plus grand grappe, le un que explique le la plupart variation,
a 25 membres.
Le ensemble de grappe membres est répertorié ici sur le droite.
Allons-y comparer ce avec le bootstrap forêt.
Ici sur le gauche, nous avoir le colonne contributions
depuis le bootstrap forêt modèle que toi devrait être familier avec par maintenant.
Sur le droite, nous avoir le liste de membres
de que le plus grand grappe de variables.
Si nous regarder étroitement, Bien voir que le les sept premiers contribuant termes
tous arriver à appartenir à ce grappe.
Je suis en allant à émettre une hypothèse que ce ensemble de 25 colonnes
sont tous en rapport à quelques sous-jacent mécanisme
que causes le unités à passer ou échouer.
Quoi I vouloir à faire suivant est I vouloir à ajuster modèles
en utilisant le généralisé régression plate-forme avec le variables dans Grappe 1 ici.
Il serait être fastidieux si I avait à aller à travers
et individuellement prendre ces colonnes dehors et mettre eux dans le lancement dialogue.
Heureusement, il y a a beaucoup Plus facile chemin
où toi peut juste sélectionner le rangées dans que tableau
et le colonnes volonté être choisi dans le original données tableau
donc que quand nous aller dans le ajuster modèle lancement dialogue,
nous peut juste cliquez Ajouter
et ceux colonnes volonté être automatiquement ajouté pour nous comme modèle effets.
Une fois I a obtenu dans le Généralisé Régression plate-forme,
I est allé devant et ajuster a lasso modèle et élastique filet modèle
et a crête modèle avoir eux comparé ici à chaque autre,
et aussi à le logistique régression modèle que est venu en haut par défaut.
Étaient vision que le lasso modèle est faire a petit peu mieux que le repos
dans termes de c'est validation généralisé RS pourquoi.
Le différence entre ces méthodes
est que il y a différent montants de variable sélection
et multicolinéarité manutention dans chaque de eux.
Régression logistique a Non multicolinéarité manutention
et Non variable sélection.
Le lasso est plus de a variable sélection algorithme,
bien que il a a petit peu de multicolinéarité manutention dans il
parce que c'est a pénalisé méthode.
Crête régression a Non variable sélection
et est fortement orienté autour multicolinéarité manutention.
Le élastique filet est a hybride entre le lasso et crête régression.
Dans ce cas, quoi nous vraiment soins à propos
est juste le modèle c'est en allant à effectuer le meilleur.
Nous permettre le validation à guide nous.
Étaient en allant à être fonctionnement avec le lasso modèle depuis ici sur.
Voici le prédiction profileur pour le lasso modèle que était choisi.
Nous voir que le lasso algorithme a choisi huit capteurs
comme être prédictif de passer ou échouer.
Il a quelques super outils intégrés
pour compréhension quoi le important variables sont,
les deux dans le modèle dans l'ensemble et, nouveau à JMP Pro 17,
nous avoir le capacité à comprendre
quoi variables sont la plupart important pour un individuel prédiction.
Nous peut utiliser le variable importance outils à répondre le question,
"Quoi sont le important variables dans le modèle?"
Nous avoir a variété de différent options pour ce.
Nous avoir a variété de différent options pour comment ce pourrait être fait.
Mais parce que de le multicolinéarité et parce que ce est pas un très grand modèle,
Je suis en allant à aller devant
et utiliser le dépendant rééchantillonné entrées technique,
depuis nous avoir multicolinéarité dans le données,
et ce a donné nous a classement de le la plupart important termes.
Nous voir que Colonne 18 est le la plupart important,
suivi par Colonne 27 et alors 52, tous le chemin vers le bas.
Nous peut comparer ce à le bootstrap forêt modèle,
et nous voir que il y a accord que Variable 18 est important,
le long de avec 52, 61, et 53.
Mais un de le termes que nous avoir tiré dans
parce que de le variable regroupement étape que nous avait fait,
Capteur 27 tours dehors à être le deuxième la plupart important prédictif
dans ce lasso modèle.
Nous avons avec un peu de chance gagné quelque chose par fonderie a plus large filet à travers que étape.
Nous avons trouvé a terme que n'a pas tourner en haut
dans soit de le bootstrap forêt ou le boosté arbre méthodes.
Nous aussi voir que le lasso modèle a un RS pourquoi de 0,9,
alors que le bootstrap forêt modèle avait un RS pourquoi de 0,8.
Nous avons a plus simple modèle que a un Plus facile formulaire à comprendre
et est Plus facile à travail avec,
et aussi a a plus haut prédictif capacité que le bootstrap forêt modèle.
Maintenant, le variable importance métrique dans le profileur
avoir a été là pour assez quelques temps.
Le question que ils répondre est, "Lequel prédicteurs avoir le plus grand impact
sur le forme de le réponse surface sur le données ou sur a région?"
Dans JMP 17 Pro, nous avoir a nouveau technique appelé FORME Valeurs
que est un additif décomposition de un individuel prédiction.
Il raconte toi par comment beaucoup chaque individuel variable contribue
à a célibataire prédiction,
plutôt que parler à propos variabilité expliqué sur le entier espace.
Le résolution de le question c'est répondu par Shapley valeurs
est loin plus locale que soit le variable importance outils
ou le colonne contributions i n le bootstrap forêt.
Nous peut obtenir le Shapley Valeurs par en allant à le rouge triangle menu pour le profileur,
et Bien trouver le option pour eux sur ici, quatrième à partir de le bas.
Quand nous choisir le option, le profileur sauvegardes dos FORME colonnes
pour tous de le saisir variables à le modèle.
Ce est, de cours, événement pour chaque rangée dans le tableau.
Quoi toi peut voir est que le FORME V valeurs sont donner toi le effet
de chaque de le colonnes sur le prédictif modèle.
Ce est utile dans a entier parcelle de différent manières,
et pour que raison, c'est obtenu a parcelle de attention de manière intelligible IA,
parce que il permet nous à voir
qu'est-ce que contributions sont de chaque colonne à a noir boîte modèle.
Ici, J'ai tracé le FORME V valeurs pour le colonnes que sont prédictif
dans le dernier modèle d'ajustement que nous juste construit.
Si nous basculer dos et en avant entre le bien unités et le unités que échoué,
nous voir le même histoire que nous avons a été vision
avec le variable importance métrique pour ce,
que Colonne 18 et Colonne 27 sont important dans prédire passer ou échouer.
Étaient vision ce à a plus haut niveau de résolution
que nous faire avec le variable importance métrique,
parce que chaque de ces points correspond à un individuel rangée
dans le original ensemble de données.
Mais dans ce cas, I ne le faites pas voir le FORME Valeurs
vraiment donner nous n'importe lequel nouveau information.
I avait espéré que par basculement à travers
le autre échec modes, peut être I pourrait trouver a modèle
à aide taquiner dehors différent capteurs
que sont plus important pour particulier échec modes.
Mais le seulement chose I était capable à trouver était que Colonne 18
avait a quelque peu plus fort impact sur le Vitesse Taper 1 échec mode
que le autre échec modes.
À ce indiquer, nous avons avait quelques succès
en utilisant ceux Grappe 1 colonnes dans a binaire passer/ échouer modèle.
Mais quand I cassé dehors le FORME Valeurs
pour que modèle, par le différent modes de défaillance
I n'était pas capable à discerner a modèle ou beaucoup de a modèle.
Quoi I a fait suivant était I est allé devant
et ajuster le échec mode réponse colonne test résultats
en utilisant le Grappe 1 colonnes,
mais I est allé devant et exclu tous le passer rangées
donc que le modélisation procédure serait se concentrer exclusivement
sur discernant lequel échec mode c'est donné que nous avoir a échec.
I essayé le multinomial lasso, élastique filet, et crête,
et I était particulièrement heureux avec le lasso modèle
parce que il a donné moi a validation RS pourquoi de à propos 0,94.
Ayant a été joli heureux avec que,
I est allé devant et enregistré le probabilité formules
pour chaque de le échec modes.
Maintenant le tâche est à viens en haut avec a simple règle
que poste processus que prédiction formule
à faire a décision à propos lequel échec mode.
I appel ce le partition astuce.
L'astuce de la partition est où I mettre dans le probabilité formules
pour a catégorique réponse, ou même a multinomial réponse.
I mettre ceux probabilité formules dans comme des X.
I utiliser mon catégorique réponse comme mon ET.
Ce est le même réponse que était utilisé
pour tous de ces sauf pour passer, en fait.
I retenir le même validation colonne que J'ai a été fonctionnement avec le entier temps.
Maintenant que Je suis dans le partition plate-forme,
Je suis en allant à frapper Diviser a couple de fois, et Je suis en allant à espoir
que I fin en haut avec un facilement compréhensible décision règle
c'est facile à communiquer.
Que peut ou peut pas arriver.
Parfois il travaux, parfois il n'a pas.
Donc I diviser une fois, et nous fin en haut vision que
chaque fois que le probabilité de passer est plus haut que 0,935,
nous presque certainement avoir a passer.
Pas beaucoup passes sont gauche sur sur le autre côté.
I prendre un autre diviser.
Nous trouver a décision règle sur ITM
que est très prédictif de ITM comme a échec mode.
Diviser encore.
Nous trouver que chaque fois que Moteur est moins que 0,945,
étaient soit prédire Moteur ou Frein.
Nous prendre un autre diviser.
Nous trouver que chaque fois que Vitesse Taper 1, sa probabilité est plus gros que 0,08
ou probablement dans a Vitesse Taper 1 situation ou dans a Vitesse T ouais 2 situation.
Chaque fois que Vitesse Taper 1 est moins que 0,79,
étaient probable dans a pince échec mode ou un LUTIN échec mode.
Quoi faire nous avoir ici? Nous avoir a simple décision règle.
Étaient en allant à pas être capable à casser ces échec modes vers le bas beaucoup plus loin
à cause de le très petit nombre de réel événements que nous avoir.
Mais nous peut tourner ce dans a simple règle
pour identifier unités que sont probablement bien,
et si ils sont pas, nous avoir un idée de où à regarder à réparer le problème.
Nous peut sauvegarder ce décision règle dehors comme a feuille étiquette formule.
Nous voir que sur le validation ensemble,
quand nous prédire c'est bien, c'est bien la plupart du temps de le temps.
Nous a fait avoir un classification erronée de a Vitesse Type 2 échec
que était en fait prédit à être bien.
Prédire pinces ou LUTIN, c'est tous sur le lieu.
Que feuille était pas super utile.
Prédire ITM est 100 %.
Chaque fois que nous prédire a moteur ou frein,
sur le validation ensemble, nous avoir a moteur ou a frein échec.
Quand nous prédire a Vitesse Taper 1 ou 2,
il a fait a joli bien emploi de cueillette que en haut
avec que un exception de le célibataire Vitesse Taper 2 unité
que était dans le validation ensemble,
et Celui-la arrivé à avoir a été mal classé.
Nous avoir un facilement opérationnel règle ici que pourrait être utilisé à trier produits
et donner nous a tête commencer sur où nous besoin à regarder à réparer des choses.
I pense ce était a joli stimulant problème,
parce que nous n'a pas avoir a entier parcelle de données.
Mais nous n'a pas avoir a parcelle de rangées,
mais nous avait a parcelle de différent catégories à prédire
et un entier parcelle de possible prédicteurs à utiliser.
Nous avons obtenu là par prise a série de mesures,
demander questions,
parfois prise a étape dos et demander a plus gros question.
Autre fois, rétrécissement dans sur particulier sous- problèmes.
Parfois notre excursions étaient fructueux, et parfois ils ne l'étaient pas.
Notre but ici est à illustrer
comment toi peut étape à travers a modélisation processus,
à travers ce séquence de demander questions
en utilisant modélisation et visualisation outils à guide ton suivant étape,
et mobile sur jusqu'à tu es capable à trouver
a utile, exploitable, prédictif modèle.
Remercier toi très beaucoup pour ton attention.
Nous regarder avant à parler à toi dans notre Questions et réponses session à venir en haut suivant.
