Cosa ti ha ispirato a richiedere questa lista dei desideri?
I modelli nella piattaforma Predictive Modeling non hanno una capacità predefinita per produrre intervalli di confidenza o intervalli di previsione attorno alle previsioni del modello; tuttavia, JPM ha fornito un modo per generare intervalli di confidenza attorno alle previsioni nel profiler utilizzando il bagging ( https://www.jmp.com/support/help/en/18.0/#page/jmp/example-of-confidence-intervals-using-bagging.shtml# ). Sfortunatamente, non sembra esserci un modo per produrre intervalli di previsione nel profiler per modelli predittivi utilizzando JMP (sono un utente JMP 17, quindi non sono sicuro se questa capacità è stata aggiunta, ma in base alla voce della guida JMP 18 non credo che questa capacità sia stata aggiunta). Sospetto che sia fattibile produrre questi intervalli di previsione in base alla mia comprensione di come vengono calcolati gli intervalli di confidenza.
Quale miglioramento vorresti vedere?
Con il rinnovato focus di JMP 18 sugli intervalli di previsione nel profiler ( https://community.jmp.com/t5/JMPer-Cable/Prediction-Profiler-enhancements-in-JMP-18/ba-p/718342 ), la mia speranza è che vengano aggiunti intervalli di previsione per i modelli predittivi. Sarebbe anche utile generare formule di colonna per intervalli di confidenza e intervalli di previsione per modelli predittivi.
Perché questa idea è importante?
Gli intervalli di previsione sono utili per giudicare se i dati generati dal modello proposto assomigliano ai dati effettivi, spesso chiamati "controllo predittivo a posteriori" nella letteratura bayesiana. Se i dati generati dal modello non assomigliano ai dati effettivi, allora potrebbe essere desiderabile considerare un modello diverso. Si prega di vedere una descrizione di questo concetto, insieme a un semplice esempio, dal libro di John Kruschke "Doing Bayesian Data Analysis" di seguito:
"Il quinto passaggio consiste nel verificare che il modello, con i suoi valori di parametro più credibili, imiti effettivamente i dati in modo ragionevolmente buono. Questo è chiamato controllo predittivo a posteriori... Un approccio consiste nel tracciare un riepilogo dei dati previsti dal modello rispetto ai dati effettivi... I valori di peso previsti sono riassunti da barre verticali che mostrano l'intervallo del 95% dei valori di peso previsti più credibili. Il punto al centro di ogni barra mostra la media dei valori di peso previsti. Con un'ispezione visiva del grafico, possiamo vedere che i dati effettivi sembrano essere ben descritti dai dati previsti. I dati effettivi non sembrano deviare sistematicamente dalla tendenza o dalla banda prevista dal modello. Se i dati effettivi sembrassero deviare sistematicamente dalla forma prevista, potremmo prendere in considerazione modelli descrittivi alternativi. Ad esempio, i dati effettivi potrebbero sembrare avere una tendenza non lineare. In tal caso, potremmo espandere il modello per includere tendenze non lineari... Potremmo anche esaminare le proprietà distributive dei dati. Ad esempio, se i dati sembrano presentare valori anomali rispetto a quanto previsto da una distribuzione normale, potremmo modificare il modello per utilizzare una distribuzione a coda pesante..."
Grazie per aver inviato questa richiesta e per aver fornito i dettagli @mminor . Sì, abbiamo aggiunto intervalli di previsione in molte piattaforme JMP, ma non in molte delle piattaforme di modellazione predittiva. Abbiamo condiviso questa richiesta con lo sviluppo per la valutazione.
