Hola, Soy Ron Kennett.
Este es a articulación hablar con Chris Gotwalt.
Eran yendo a hablar a tú acerca de modelos.
Los modelos son usado extensamente.
Nosotros esperanza a traer alguno adicional perspectiva
en cómo a usar modelos en general.
Nosotros llamar el hablar
"Diferente objetivos, diferente modelos:
Cómo a usar modelos a afilar su preguntas."
Mi parte voluntad ser un Introducción, y Enfermo dar un ejemplo.
Tú lo harás tener acceso a el datos Soy usando.
Entonces Chris voluntad continuar con un más complejo ejemplo,
introducir el FORMA valores disponible en JMP 17,
y proporcionar alguno conclusiones.
Nosotros todo saber eso todo modelos son equivocado,
pero alguno son útil.
Solo Karlin dicho algo diferente.
Él dicho eso el objetivo de modelos es no a adaptar el datos,
pero a afilar el pregunta.
Entonces este chico, Pablo Picasso, él dicho algo en...
Él fallecido en 1973, entonces tú poder imaginar cuando este era dicho.
I pensar en el temprano '70 s.
"Computadoras son inútil. Ellos poder solo dar tú respuestas."
Él es más en línea con Karlín.
Mi llevar en Esto es eso
Esto presenta la diferencia clave entre a modelo y a computadora programa.
Soy mirando en el modelo de a estadístico perspectiva.
Relación comercial con Cajas famoso declaración.
"Sí, alguno son útil. Cual ¿unos?"
Por favor ayuda a nosotros.
¿Qué hacer? tú significar por alguno son ¿útil?
Es no muy útil a decir eso .
Yendo a Karlin, "Afilar el pregunta."
Bueno, eso es a bien idea.
Cómo hacer nosotros hacer ¿eso?
El punto es eso Caja parece centrado en la fase de análisis de datos
en la vista del ciclo de vida de las estadísticas, que comienza con la elicitación del problema,
movimientos a meta formulación, datos recopilación, datos análisis,
recomendaciones, operacionalización de descubrimiento,
comunicacional recomendaciones, y impacto evaluación.
Karlin es más centrado en el problema sonsacamiento fase.
Estos dos citas de Caja y Karlin
referirse a diferente etapas en este vida ciclo.
El datos Soy yendo a usar es un industrial datos colocar,
174 observaciones.
Nosotros tener sensor datos.
Nosotros tener 63 sensores.
Ellos son etiquetado 1, 2, 3, 4 a 63.
Nosotros tener dos respuesta variables.
Estos son próximo de pruebas alguno sistemas.
El estado informe es reprobar/aprobar.
52,8% de el sistemas eso eran probado fallido.
Nosotros tener otro informe,
cual es a más detallado informe en prueba resultados.
Cuando los sistemas fallar,
nosotros tener alguno clasificación de el falla.
Prueba resultado es más detallado.
Estado es ir/no ir.
El meta es a determinar el sistema estado de el sensor datos
entonces eso nosotros poder tal vez evitar el costos y retrasos de pruebas,
y nosotros poder tener alguno temprano predicciones en el fe de el sistema.
Uno acercarse nosotros poder llevar es a usar a impulsado árbol.
Nosotros poner el estado como respuesta, los 63 sensores X, factores.
El impulsado árbol es entrenado secuencialmente, uno árbol en a tiempo.
T él otro modelo eran yendo a usar es aleatorio bosque,
y eso es hecho con independiente árboles.
Allá es a secuencial aspecto en impulsado árboles
eso es diferente de aleatorio bosques.
El configuración de impulsado árboles implica tres parámetros:
el número de árboles, profundidad de árboles, y el aprendiendo tasa.
Este es qué JMP da como un valor predeterminado.
Impulsado árboles poder ser usado a resolver mayoría objetivo funciones.
Nosotros podría usar él para pescado regresión,
cual es relación comercial con cuenta eso es a poco más difícil a lograr
con aleatorio bosques.
Eran yendo a enfocar en estos dos tipos de modelos.
Cuando nosotros aplicar el impulsado árbol,
y nosotros tener a validación colocar arriba
con 43 sistemas estirado al azar como el validación colocar.
Ciento treinta y un sistemas se utiliza para el capacitación colocar.
Nosotros son conseguir a 9,3% clasificación errónea tasa.
Tres fallido sistemas.
Nosotros saber que ellos fallido porque nosotros tener él en el datos,
eran de hecho clasificado como aprobar.
El 20 eso aprobado, 19 eran clasificado como aprobar.
El FALSO previsto aprobar es 13 %.
Nosotros poder mirar en el variable columna contribuciones.
Nosotros ver eso Sensor 56, 18, 11, y 61 son el arriba cuatro
en términos de contribuyendo a este clasificación.
Nosotros ver eso en el capacitación colocar, nosotros tenía cero clasificación errónea
Nosotros podría tener alguno encima apropiado yo n este BT solicitud.
Si nosotros mirar en el elevar curva,
40 % de el sistemas, nosotros poder conseguir encima dos elevar
cual es el rendimiento que nos da este clasificador.
Si nosotros intentar el abucheos trampa bosque,
otro opción, de nuevo, nosotros hacer el mismo cosa.
Nosotros usar el mismo validación colocar.
El valores predeterminados de JMP son donación Eres algo parámetros
para el número de árboles
y el número de características a ser seleccionado en cada modo.
Este es cómo el aleatorio bosque obras.
Tú debería ser consciente eso este es no muy bien
si tú tener categórico variables y desaparecido datos,
cual es no nuestro caso aquí.
Ahora, el clasificación errónea tasa es 6.9, más bajo que antes.
En el capacitación colocar, nosotros tenía alguno clasificación errónea
El aleatorio bosque aplicado a el prueba estado,
cual medio cuando nosotros tener el detalles en el fracasos es 23.4,
entonces malo actuación.
También, en el capacitación colocar, nosotros tener 5% clasificación errónea
Pero nosotros tener ahora a más amplio rango de opciones
Y eso es lo que explica alguno de el más bajo actuación.
En el elevar curva en el prueba resultados,
nosotros de hecho, con bastante bien actuación,
poder elegir arriba el arriba 10 % de el sistemas con a aprovechar de arriba 10.
Entonces nosotros tener más de diez doblar aumentar para 10 % de el sistemas
relativo a el magnífico promedio.
Ahora este es posando a pregunta- recordar el tema de el hablar-
qué son nosotros mirando ¿en?
Hacer nosotros desear a identificar arriba puntaje bien ¿sistemas?
El aleatorio bosque quería hacer eso con el prueba resultado.
O hacer nosotros desear a predecir a alto proporción de ¿aprobar?
El árbol bootstrap quería oferta eso.
A secundario pregunta es a mirar en qué es conmovedor este clasificación.
Nosotros poder mirar en el columna contribuciones en el impulsado árbol.
Tres de el cuatro arriba variables espectáculo arriba también en el aleatorio bosque.
Si nosotros usar el estado aprobar/reprobar,
o el detallado resultados,
allá es a lote de semejanza en el importancia de el sensores.
Este es justo donación tú alguno fondo.
Chris es yendo a seguir arriba con un evaluación de el sensibilidad
de este variable importancia, el usar de SHAP v valores
y más cosas interesantes.
Este va atrás a interrogatorio qué es su meta,
y cómo es el modelo ración tú cifra afuera el meta
y tal vez afilado el pregunta eso llega de el declaración de el meta.
Chris, es Todo tuyo.
Gracias, Ron.
Soy yendo a elegir arriba de dónde Ron dejado
y buscar a modelo eso voluntad predecir si o no a unidad es bien o no,
y si él no lo es, qué el probable falla modo eso tiene ¿resultó?
Este quería ser útil en que si a modelo es bien en predecir bien unidades,
nosotros puede no tener a sujeto a ellos a mucho más pruebas.
Si el modelo da a previsto falla modo,
eran capaz a conseguir a cabeza comenzar en diagnóstico y fijación el problema,
y probablemente, nosotros puede ser capaz a conseguir alguno pistas
en cómo a mejorar el producción proceso en el futuro.
Soy yendo a ir a través de el secuencia
de cómo I se acercó respondiendo este pregunta de el datos.
I desear a decir en el principio eso este es simplemente el camino eso I tomó
como I preguntó preguntas de el datos y actuó en varios patrones eso I sierra.
Allá son literalmente muchos otro maneras eso uno podría proceder con este.
Hay a menudo no en realidad a realmente correcto respuesta,
justo a criterio para si o no el modelo es bien suficiente,
y el cantidad eso estás capaz a conseguir hecho
en el tiempo eso tú tener a conseguir a resultado atrás.
I tener No duda eso allá son mejor modelos afuera allá
que qué I vino arriba con aquí.
Nuestro meta es a espectáculo un actual proceso de abordando a predicción problema,
ilustrando cómo uno poder mover adelante
por iterando a través de ciclos de modelado y visualización,
seguido por observando el resultados y usando a ellos a preguntar otro pregunta
hasta nosotros encontrar algo de un respuesta.
I voluntad ser usando JMP como a estadístico suizo ejército cuchillo,
usando muchos herramientas en JMP
y siguiente el intuición I tener acerca de modelado datos
eso tiene construido arriba encima muchos años.
Primero, Vamos justo llevar a mirar
en el frecuencias de el varios prueba resultado categorías.
Nosotros ver eso el más grande y mayoría frecuente categoría es Bien.
Bien probablemente tener el mayoría suerte ser capaz a predecir eso categoría.
En el otro mano, el LLAMADA DE SOCORRO categoría tiene solo dos eventos
entonces es yendo a ser muy difícil para a nosotros a ser capaz a hacer mucho con eso categoría.
Nosotros puede tener a colocar eso uno aparte.
Bien ver acerca de eso.
Velocidad II, DIABLILLO, y Freno
son todo equitativamente extraño con cinco o seis eventos cada.
Allá puede ser alguno limitaciones en qué eran capaz a hacer con a ellos como Bueno.
I decir este porque nosotros tener 174 observaciones
y nosotros tener 63 predictores.
Entonces nosotros tener a lote de predictores para a muy pequeño número de observaciones,
cual es de hecho incluso menor cuando tú considerar el frecuencias
de alguno de el categorías eso eran intentando a predecir.
Eran yendo a tener a trabajar iterativamente por haciendo visualizaciones en modelado,
reconociendo patrones, preguntando preguntas,
y entonces interino en aquellos con otro modelado paso iterativamente
en orden a encontrar a modelo eso es yendo a hacer a bien trabajo
de predecir estos respuesta categorías.
I tener el datos ordenado por prueba resultados,
entonces eso el bien resultados son en el comienzo,
seguido por cada de el diferente falla modos d de modo que después eso.
I fue adelante y de colores cada de el filas por prueba resultados entonces eso nosotros poder ver
cual observación pertenece a a particular respuesta categoría.
Entonces entonces I fue en el modelo- impulsado multivariante control cuadro
y I trajo en todo de el sensores como proceso variables.
Desde I tenía el bien prueba resultados en el comienzo,
I etiquetado aquellos como histórico observaciones.
Este nos da a T² cuadro.
Es preferido 13 principal componentes como es base.
Qué nosotros ver aquí
es eso el cuadro es dominado por estos dos agujas bien aquí
y todo de el otro agujas son muy pequeño en valor
relativo a aquellos dos.
Esos dos puntos ocurren a ser el SOS agujas.
Ellos son muy grave valores atípicos en el sensor lecturas.
Desde nosotros también solo tener dos observaciones de aquellos,
Soy yendo a ir adelante y llevar aquellos afuera de el datos colocar
y decir, Bueno, SOS es obviamente entonces malo eso el sensores
debería ser justo vuelo apagado el gráficos.
Si nosotros encontrar él, eran justo yendo a ir adelante
y intentar a inquietud nosotros mismos con el otro valores
eso no tener este apagado- el- gráficos comportamiento.
Traspuesta a a registro escala, nosotros ver eso el bien prueba resultados
son equitativamente Bueno -se comportó bien.
Entonces Hay definido señales
en el datos para el diferente falla modos.
Ahora nosotros poder perforar abajo a pequeño poco Más adentro,
tomando a mirar en el contribución parcelas para el histórico datos,
el bien prueba resultado datos, y el falla modos
a ver si cualquier patrones surgir en el sensores eso nosotros poder acto al.
Soy yendo a eliminar aquellos dos SOS observaciones
y seleccionar el bien unidades.
Si I clic derecho en el trama,
I poder traer arriba a contribución trama
para el bien unidades, y entonces I poder ir encima a el unidades
dónde allá era a falla, y I poder hacer el mismo cosa,
y Bueno ser capaz a comparar el contribución parcelas lado por lado.
Entonces qué nosotros ver aquí son el contribución parcelas
para el aprobar unidades y el fallar unidades.
El contribución parcelas
son el cantidad eso cada columna es contribuyendo a el T ²
para a particular fila.
Cada uno de el verja allá corresponder a un individual sensor para eso fila.
Contribución parcelas son de colores verde cuando eso columna es dentro tres sigma,
usando un individuos y emocionante rango cuadro,
y es rojo si es afuera de control.
Aquí nosotros ver mayoría de el sensores son en control para el bien unidades,
y mayoría de el sensores son afuera de control para el fallido unidades.
Qué I era esperante para aquí
quería tener estado si allá era solo a subconjunto de el columnas
o sensores eso eran afuera de control Más allá de el fallido unidades.
O si I era capaz a ver patrones
eso cambió al otro lado de el diferente falla modos,
cual quería ayuda a mí aislar qué variables son importante
para predecir el prueba resultado resultado.
Desafortunadamente, bonito mucho todo de el sensores
son en control cuando cosas son bien,
y mayoría de a ellos son afuera de control cuando cosas son malo.
Así que vamos a tener a usar alguno más sofisticado modelado
a ser capaz a abordar este predicción problema.
Teniendo no encontró cualquier cosa en el columna contribuciones parcelas,
Soy yendo a atrás arriba y devolver a el dos modelos eso Ron encontró.
Aquí son el columna contribuciones para aquellos dos modelos,
y nosotros ver eso Hay alguno acuerdo en términos de
qué son el mayoría importante sensores.
Pero impulsado árbol encontró a un poco más grande colocar de sensores como ser importante
encima el oreja bosque.
Cual de estos dos modelos debería nosotros confianza ¿más?
Si nosotros mirar en el en general modelo adaptar informe,
nosotros ver eso el impulsado árbol modelo tiene a muy alto capacitación RS por qué de 0.998
y a un poco v más pequeña alidación RS por qué de 0,58.
Este aspecto como un sobreajuste situación.
Cuando nosotros mirar en el aleatorio bosque, él tiene a un poco menor capacitación RS por qué,
tal vez a más realista uno, que el oreja bosque,
y lo tiene a un poco más grande validación RS por qué.
El generalización actuación de el aleatorio bosque
es con un poco de suerte a pequeño poco mejor.
Soy inclinado a confianza el aleatorio bosque modelo a pequeño poco más.
Parte de este es yendo a ser basado al justo el folklore de estos dos modelos.
Impulsado árboles son renombrado para ser rápido, muy preciso modelos
eso trabajar Bueno en muy grande conjuntos de datos.
Mientras el rumores es eso aleatorio bosques son más preciso en menor conjuntos de datos.
Ellos son equitativamente robusto, desordenado, y ruidoso datos.
Hay a largo historia de usando estos tipos de modelos
para variable selección eso va atrás a a papel en 2010
eso tiene estado citado casi 1200 veces.
Entonces este es a popular acercarse para variable selección.
I hizo a similar buscar para impulsando,
y I no bastante ver como mucho historia alrededor variable selección
para impulsado árboles como I hizo para aleatorio bosques.
Para este dado datos conjunto r luz aquí,
nosotros poder hacer a sensibilidad análisis a ver cómo confiable
el columna contribuciones son para estos dos diferente aproches,
usando el simulación capacidades en JMP Pro.
Qué nosotros poder hacer es crear a aleatorio validación columna
eso es a fórmula columna
eso tú poder reiniciar y voluntad dividir el datos
en aleatorio capacitación y resistencia conjuntos de el mismo porciones
como el original validación columna.
Nosotros poder tener él repetición estos dos análisis
y mantener pista de el columna contribución porciones
para cada de estos reparticiones.
Nosotros poder ver cómo coherente el La historia es
entre el impulsado árbol modelos y el aleatorio bosques.
Este es bonito fácil a hacer.
Nosotros simplemente nos vamos a el Hacer Validación Columna utilidad
y cuando nosotros hacer a nuevo columna, nosotros preguntar él a hacer a fórmula columna
entonces que eso es podría ser reinicializado.
Entonces nosotros poder devolver a el oreja bosque plataforma,
bien- hacer clic en el columna contribución parte,
seleccionar Simular.
Lo hará traer arriba a diálogo
preguntando a nosotros cual de el aporte columnas nosotros desear a cambiar afuera.
Soy yendo a elegir el validación columna,
y Soy yendo a cambiar en en reemplazo de él,
este aleatorio validación fórmula columna.
Eran yendo a hacer este cien veces.
Oreja bosque es yendo a ser repetición
usando nuevo aleatorio particiones de el datos en capacitación y validación.
Eran yendo a mirar en el distribución de el porciones
al otro lado de todo el simulación corre.
Este voluntad generar a conjunto de datos
de columna contribución porciones para cada sensor.
Nosotros poder llevar este y ir en el gráfico constructor
y llevar a mirar y ver cómo coherente aquellos columna contribuciones son
al otro lado de todo estos aleatorio particiones de el datos.
Aquí es a trama de el columna contribución porciones
de cada de el 100 aleatorio reorganizaciones de el validación columna.
Esos puntos nosotros ver en gris aquí,
Sensor 18 parece a ser consecuentemente a grande contribuyente, como hace Sensor 61.
Nosotros también ver con estos rojo cruces,
aquellos son el columna contribuciones de el original análisis eso Ron hizo.
El en general historia eso este dice es eso el tendencia
i s eso cuando sea el original columna contribución era pequeño,
aquellos re simulado columna contribuciones también tendido a ser pequeño.
Cuando el columna contribuciones eran grande en el original análisis,
ellos tendido a permanecer grande.
Eran conseguir a relativamente coherente historia de el oreja bosque
en términos de qué columnas son importante.
Ahora nosotros poder hacer el mismo cosa con el impulsado árbol,
y el resultados no son bastante como coherente como ellos eran con el oreja bosque.
Entonces aquí es a racimo de columnas
dónde el inicial columna contribuciones vino fuera muy pequeño
pero ellos tenía a más sustancial contribución
en alguno de el aleatorio reorganizaciones de el validación columna.
Eso también sucedió bastante a poco terminado con estos Columnas 52 a través de 55 encima aquí.
Entonces allá eran también alguno situaciones
dónde el original columna contribución era bastante grande,
y mayoría, si no todo,
de el otro columna contribuciones encontró en el simulaciones eran menor.
Eso sucede aquí con Columna 48,
y a alguno medida también con Columna 11 encima aquí.
El en general conclusión ser eso I pensar este validación arrastramiento
es indicando eso nosotros poder confianza el columna contribuciones
de el oreja bosque a ser más estable que aquellos de el impulsado árbol.
Residencia en este comparación, I pensar I confianza el columna contribuciones
de el oreja bosque más,
y Soy yendo a usar el columnas eso él recomendado
como el base para alguno otro modelos.
Qué Identificación como a hacer
es encontrar a modelo eso es ambos más simple que el oreja bosque modelo
y realiza mejor en términos de validación colocar actuación
para predecir aprobar o fallar.
Antes proceder con el próximo modelado cosa,
Soy yendo a hacer algo eso I debería tener probablemente hecho en el muy comienzo,
cual es a llevar a mirar en el sensores en a diagrama de dispersión matriz
a ver cómo correlacionado el sensor lecturas son,
y también mirar en histogramas de a ellos como Bueno a ver si ellos son parte aislada- propenso
o fuertemente sesgado o de lo contrario muy no- gaussiano.
Qué nosotros ver aquí es allá es bonito fuerte multicolinealidad
entre el aporte variables generalmente.
Eran solo mirando en a subconjunto de a ellos aquí,
pero este alto multicolinealidad persiste al otro lado de todo de el sensor lecturas.
Este sugiere eso para nuestro modelo,
nosotros debería intentar cosas como el logístico lazo,
el logístico elástico neto, o una logística cresta regresión
como candidatos para nuestro modelo a predecir aprobar o fallar.
Antes nosotros hacer eso, nosotros debería ir adelante
y intentar a transformar nuestro sensor lecturas aquí
entonces eso ellos son a pequeño poco mejor- se comportó y más gaussiano- mirando.
Este es de hecho en realidad fácil en JMP
si tú tener todo de el columnas arriba en el distribución plataforma,
porque todo tú tener a hacer es sostener Abajo todo , elegir Adaptar Johnson,
y este voluntad adaptar Johnson distribuciones a todo el aporte variables.
Este es a familia de distribuciones
eso es basado en a cuatro parámetro transformación a normalidad.
Como a resultado, nosotros tener a lindo característica en allá
eso nosotros poder también transmisión usando Alt Hacer clic,
dónde nosotros poder ahorrar a transformación de el original escala
a a escala eso marcas el columnas más normalmente repartido.
Si nosotros ir atrás a el datos mesa,
Bueno ver eso para cada sensor columna, a transformar columna tiene estado agregado.
Si nosotros traer estos transformado columnas arriba con a diagrama de dispersión matriz
y algunos histogramas,
nosotros claramente ver eso el datos son menos sesgado
y más normalmente repartido que el original sensor columnas eran.
Ahora el oreja bosque modelo eso Ron encontró
solo en realidad recomendado a pequeño número de columnas
para usar en el modelo.
Porque de el alto colinealidad entre el columnas,
el subconjunto eso nosotros consiguió podría fácilmente ser parte
de a más grande grupo de columnas eso son correlacionado con uno otro.
Él podría ser beneficioso a encontrar eso más grande grupo de columnas
y trabajar con eso en el próximo modelado escenario.
Un exploratorio forma a hacer este
es a ir a través de el grupo variables plataforma en JMP .
Eran yendo a trabajar con el normalizado versión de el sensores
porque este plataforma es PCA y factor análisis basado,
y voluntad proporcionar más confiable resultados si eran laboral con datos
eso son aproximadamente normalmente repartido.
Una vez eran en el variable agrupamiento plataforma,
nosotros ver eso allá es muy claro,
fuerte asociaciones entre el aporte columnas.
Él tiene identificado eso allá son Siete grupos,
y el más grande grupo, el uno eso explica el mayoría variación,
tiene 25 miembros.
El colocar de grupo miembros es listado aquí en el bien.
Vamos comparar este con el oreja bosque.
Aquí en el izquierda, nosotros tener el columna contribuciones
de el oreja bosque modelo eso tú debería ser familiar con por ahora.
En el bien, nosotros tener el lista de miembros
de eso más grande grupo de variables.
Si nosotros mirar cercanamente, Bueno ver eso el los siete mejores contribuyendo términos
todo suceder a pertenecer a este grupo.
Soy yendo a hipotetizar eso este colocar de 25 columnas
son todo relacionado a alguno subyacente mecanismo
eso causas el unidades a aprobar o fallar.
Qué I desear a hacer próximo es I desear a adaptar modelos
usando el generalizado regresión plataforma con el variables en Grupo 1 aquí.
Él quería ser tedioso si I tenía a ir a través de
y individualmente elegir estos columnas afuera y poner a ellos en el lanzamiento diálogo.
Afortunadamente, Hay a mucho más fácil forma
dónde tú poder justo seleccionar el filas en eso mesa
y el columnas voluntad ser seleccionado en el original datos mesa
entonces eso cuando nosotros ir en el adaptar modelo lanzamiento diálogo,
nosotros poder justo hacer clic Agregar
y aquellos columnas voluntad ser automáticamente agregado para a nosotros como modelo efectos.
Una vez I consiguió en el Generalizado Regresión plataforma,
I fue adelante y adaptar a lazo modelo y elástico neto modelo
y a cresta modelo tener a ellos comparado aquí a cada otro,
y también a el logístico regresión modelo eso vino arriba por por defecto.
Eran vidente eso el lazo modelo es haciendo a pequeño poco mejor que el descansar
en términos de es validación generalizado RS por qué.
El diferencia entre estos métodos
es eso Hay diferente cantidades de variable selección
y multicolinealidad manejo en cada de a ellos.
Regresión logística tiene No multicolinealidad manejo
y No variable selección.
El lazo es más de a variable selección algoritmo,
a pesar de él tiene a pequeño poco de multicolinealidad manejo en él
porque es a penalizado método.
Cresta regresión tiene No variable selección
y es fuertemente orientado alrededor multicolinealidad manejo.
El elástico neto es a híbrido entre el lazo y cresta regresión.
En este caso, qué nosotros en realidad cuidado acerca de
es justo el modelo eso es yendo a llevar a cabo el mejor.
Nosotros permitir el validación a guía a nosotros.
Eran yendo a ser laboral con el lazo modelo de aquí en.
Aquí está el predicción perfilador para el lazo modelo eso era seleccionado.
Nosotros ver eso el lazo algoritmo tiene seleccionado ocho sensores
como ser profético de aprobar o fallar.
Él tiene alguno excelente herramientas integradas
para comprensión qué el importante variables son,
ambos en el modelo en general y, nuevo a JMP Pro 17,
nosotros tener el capacidad a entender
qué variables son mayoría importante para un individual predicción.
Nosotros poder usar el variable importancia herramientas a respuesta el pregunta,
"Qué son el importante variables en el ¿modelo?"
Nosotros tener a variedad de diferente opciones para este.
Nosotros tener a variedad de diferente opciones para cómo este podría ser hecho.
Pero porque de el multicolinealidad y porque este es no Un muy grande modelo,
Soy yendo a ir adelante
y usar el dependiente remuestreado entradas técnica,
desde nosotros tener multicolinealidad en el datos,
y este tiene dado a nosotros a categoría de el mayoría importante términos.
Nosotros ver eso Columna 18 es el mayoría importante,
seguido por Columna 27 y entonces 52, todo el forma abajo.
Nosotros poder comparar este a el oreja bosque modelo,
y nosotros ver eso Hay acuerdo eso Variable 18 es importante,
a lo largo de con 52, 61, y 53.
Pero uno de el términos eso nosotros tener tirado en
porque de el variable agrupamiento paso eso nosotros tenía hecho,
Sensor 27 vueltas afuera a ser el segundo mayoría importante profético
en este lazo modelo.
Nosotros tenemos con un poco de suerte ganado algo por fundición a más amplio neto a través de eso paso.
Nosotros tenemos encontró a término eso no doblar arriba
en cualquiera de el oreja bosque o el impulsado árbol métodos.
Nosotros también ver eso el lazo modelo tiene un RS por qué de 0.9,
mientras el oreja bosque modelo tenía un RS por qué de 0.8.
Tenemos a más simple modelo eso tiene un más fácil forma a entender
y es más fácil a trabajar con,
y también tiene a más alto profético capacidad que el oreja bosque modelo.
Ahora, el variable importancia métrica en el perfilador
tener estado allá para bastante alguno tiempo.
El pregunta eso ellos respuesta es, "Cual predictores tener el más grande impacto
en el forma de el respuesta superficie encima el datos o encima a ¿región?"
En JMP 17 Pro, nosotros tener a nuevo técnica llamado FORMA Valores
eso es un aditivo descomposición de un individual predicción.
Él dice tú por cómo mucho cada individual variable contribuye
a a soltero predicción,
bastante que hablando acerca de variabilidad explicado encima el entero espacio.
El resolución de el pregunta eso es contestado por Shapley valores
es lejos más local que cualquiera el variable importancia herramientas
o el columna contribuciones i n el oreja bosque.
Nosotros poder obtener el Shapley Valores por yendo a el rojo triángulo menú para el perfilador,
y Bueno encontrar el opción para a ellos encima aquí, cuarto desde el abajo.
Cuando nosotros elegir el opción, el perfilador ahorra atrás FORMA columnas
para todo de el aporte variables a el modelo.
Este es, de curso, acontecimiento para cada fila en el mesa.
Qué tú poder ver es eso el FORMA V valores son donación tú el efecto
de cada de el columnas en el profético modelo.
Este es útil en a entero lote de diferente maneras,
y para eso razón, es conseguido a lote de atención en inteligible AI,
porque él permite a nosotros a ver
¿Qué es? contribuciones son de cada columna a a negro caja modelo.
Aquí, Yo tengo trazado el FORMA V valores para el columnas eso son profético
en el último modelo de ajuste eso nosotros justo construido.
Si nosotros palanca atrás y adelante entre el bien unidades y el unidades eso fallido,
nosotros ver el mismo historia eso nosotros tenemos estado vidente
con el variable importancia métrica para este,
eso Columna 18 y Columna 27 son importante en predecir aprobar o fallar.
Eran vidente este en a más alto nivel de resolución
que nosotros hacer con el variable importancia métrica,
porque cada de estos agujas corresponde a un individual fila
en el original conjunto de datos.
Pero en este caso, I no ver el FORMA Valores
en realidad donación a nosotros cualquier nuevo información.
I tenía esperado eso por alternancia a través de
el otro falla modos, tal vez I podría encontrar a patrón
a ayuda fastidiar afuera diferente sensores
eso son más importante para particular falla modos.
Pero el solo cosa I era capaz a encontrar era eso Columna 18
tenía a un poco más fuerte impacto en el Velocidad Tipo 1 falla modo
que el otro falla modos.
En este punto, nosotros tenemos tenía alguno éxito
usando aquellos Grupo 1 columnas en a binario aprobar/ fallar modelo.
Pero cuando I en bancarrota afuera el FORMA Valores
para eso modelo, por el diferente modos de fallo
I no era capaz a discernir a patrón o mucho de a patrón.
Qué I hizo próximo era I fue adelante
y adaptar el falla modo respuesta columna prueba resultados
usando el Grupo 1 columnas,
pero I fue adelante y excluidos todo el aprobar filas
entonces eso el modelado procedimiento quería enfocar exclusivamente
en perspicaz cual falla modo es dado eso nosotros tener a falla.
I intentó el multinomial lazo, elástico neto, y cresta,
y I era particularmente feliz con el lazo modelo
porque él dio a mí a validación RS por qué de acerca de 0,94.
Teniendo estado bonito feliz con eso,
I fue adelante y salvado el probabilidad fórmulas
para cada de el falla modos.
Ahora el tarea es a venir arriba con a simple regla
eso correo procesos eso predicción fórmula
a hacer a decisión acerca de cual falla modo.
I llamar este el dividir truco.
El truco de la partición es dónde I poner en el probabilidad fórmulas
para a categórico respuesta, o incluso a multinomial respuesta.
I poner aquellos probabilidad fórmulas en como Xs.
I usar mi categórico respuesta como mi Y.
Este es el mismo respuesta eso era usado
para todo de estos excepto para pasar, de hecho.
I retener el mismo validación columna eso Yo tengo estado laboral con el entero tiempo.
Ahora eso Soy en el dividir plataforma,
Soy yendo a golpear Dividir a pareja de veces, y Soy yendo a esperanza
eso I fin arriba con un fácilmente comprensible decisión regla
eso es fácil a comunicar.
Eso puede o puede no suceder.
A veces él obras, a veces él no.
Entonces I dividir una vez, y nosotros fin arriba vidente eso
cuando sea el probabilidad de aprobar es más alto que 0.935,
nosotros casi ciertamente tener a aprobar.
No muchos pases son izquierda encima en el otro lado.
I llevar otro dividir.
Nosotros encontrar a decisión regla en ITM
eso es muy profético de ITM como a falla modo.
Dividir de nuevo.
Nosotros encontrar eso cuando sea Motor es menos que 0.945,
eran cualquiera predecir Motor o Freno.
Nosotros llevar otro dividir.
Nosotros encontrar eso cuando sea Velocidad Tipo 1, su probabilidad es más grande que 0.08
o probable en a Velocidad Tipo 1 situación o en a Velocidad T tipo 2 situación.
Cuando sea Velocidad Tipo 1 es menos que 0,79,
eran probable en a pinza falla modo o un DIABLILLO falla modo.
Qué hacer nosotros tener ¿aquí? Nosotros tener a simple decisión regla.
Eran yendo a no ser capaz a romper estos falla modos abajo mucho más
debido a el muy pequeño número de actual eventos eso nosotros tener.
Pero nosotros poder doblar este en a simple regla
para identificar unidades eso son probablemente bien,
y si ellos son no, nosotros tener un idea de dónde a mirar a arreglar el problema.
Nosotros poder ahorrar este decisión regla afuera como a hoja etiqueta fórmula.
Nosotros ver eso en el validación colocar,
cuando nosotros predecir es bien, Es bueno en su mayoría de el tiempo.
Nosotros hizo tener uno clasificación errónea de a Velocidad Tipo 2 falla
eso era de hecho previsto a ser bien.
Predecir pinzas o DIABLILLO, es todo encima el lugar.
Eso hoja era no súper útil.
Prediciendo ITM es 100 %.
Cuando sea nosotros predecir a motor o freno,
en el validación colocar, nosotros tener a motor o a freno falla.
Cuando nosotros predecir a Velocidad Tipo 1 o 2,
él hizo a bonito bien trabajo de cosecha eso arriba
con eso uno excepción de el soltero Velocidad Tipo 2 unidad
eso era en el validación colocar,
y Aquél sucedió a tener estado mal clasificado
Nosotros tener un fácilmente operacional regla aquí eso podría ser usado a clasificar productos
y dar a nosotros a cabeza comenzar en dónde nosotros necesidad a mirar a arreglar cosas.
I pensar este era a bonito desafiante problema,
porque nosotros no tener a entero lote de datos.
Pero nosotros no tener a lote de filas,
pero nosotros tenía a lote de diferente categorías a predecir
y un entero lote de posible predictores a usar.
Nosotros tenemos conseguido allá por tomando a serie de pasos,
preguntando preguntas,
a veces tomando a paso atrás y preguntando a más grande pregunta.
Otro veces, estrechamiento en en particular sub- asuntos.
A veces nuestro excursiones eran fructífero, y a veces ellos no lo eran.
Nuestro objetivo aquí es a ilustrar
cómo tú poder paso a través de a modelado proceso,
a través de este secuencia de preguntando preguntas
usando modelado y visualización herramientas a guía su próximo paso,
y emocionante en hasta estás capaz a encontrar
a útil, procesable, profético modelo.
Agradecer tú muy mucho para su atención.
Nosotros mirar adelante a hablando a tú en nuestro Preguntas y respuestas sesión próximo arriba próximo.
