이러한 위시리스트 요청을 하게 된 계기는 무엇이었나요?
예측 모델링 플랫폼의 모델에는 모델 예측을 중심으로 신뢰 구간 또는 예측 구간을 생성하는 기본 기능이 없지만 JPM에서는 배깅을 사용하여 프로파일러에서 예측을 중심으로 신뢰 구간을 생성하는 방법을 제공했습니다( https://www.jmp.com/support/help/en/18.0/#page/jmp/example-of-confidence-intervals-using-bagging.shtml# ). 안타깝게도 JMP를 사용하여 예측 모델에 대한 프로파일러에서 예측 구간을 생성하는 방법이 없는 것 같습니다(저는 JMP 17 사용자이므로 이 기능이 추가되었는지 잘 모르겠지만 JMP 18 도움말 항목을 보면 이 기능이 추가되지 않은 것 같습니다). 신뢰 구간이 계산되는 방식에 대한 제 이해에 따르면 이러한 예측 구간을 생성하는 것이 가능할 것으로 생각합니다.
어떤 개선을 원하시나요?
JMP 18이 프로파일러에서 예측 구간에 초점을 맞추면서( https://community.jmp.com/t5/JMPer-Cable/Prediction-Profiler-enhancements-in-JMP-18/ba-p/718342 ) 예측 모델에 대한 예측 구간이 추가되기를 바랍니다. 또한 예측 모델에 대한 신뢰 구간과 예측 구간에 대한 열 공식을 생성하는 것도 도움이 될 것입니다.
왜 이 아이디어가 중요한가요?
예측 간격은 제안된 모델에서 생성된 데이터가 실제 데이터와 비슷한지 판단하는 데 유용합니다. 베이지안 문헌에서는 이를 종종 "사후 예측 검사"라고 합니다. 모델에서 생성된 데이터가 실제 데이터와 비슷하지 않은 경우 다른 모델을 고려하는 것이 좋습니다. 아래 John Kruschke의 저서 "Doing Bayesian Data Analysis"에서 이 개념에 대한 설명과 간단한 예를 참조하세요.
"다섯 번째 단계는 가장 신뢰할 수 있는 매개변수 값을 가진 모델이 실제로 데이터를 상당히 잘 모방하는지 확인하는 것입니다. 이를 사후 예측 검사라고 합니다... 한 가지 접근 방식은 모델에서 예측한 데이터의 요약을 실제 데이터에 대해 플로팅하는 것입니다... 예측된 가중치 값은 95% 가장 신뢰할 수 있는 예측된 가중치 값의 범위를 보여주는 수직 막대로 요약됩니다. 각 막대의 중앙에 있는 점은 예측된 가중치 값의 평균을 보여줍니다. 그래프를 시각적으로 검사하면 실제 데이터가 예측된 데이터로 잘 설명되는 것처럼 보입니다. 실제 데이터는 모델에서 예측된 추세 또는 대역에서 체계적으로 벗어나지 않는 것처럼 보입니다. 실제 데이터가 예측된 형태에서 체계적으로 벗어나는 것처럼 보인다면 대체 설명 모델을 고려할 수 있습니다. 예를 들어, 실제 데이터는 비선형 추세를 갖는 것처럼 보일 수 있습니다. 그런 경우 비선형 추세를 포함하도록 모델을 확장할 수 있습니다... 데이터의 분포 속성을 검사할 수도 있습니다. 예를 들어, 데이터에 정규 분포로 예측한 것과 다른 이상치가 있는 경우 모델을 변경하여 꼬리가 두꺼운 분포를 사용할 수 있습니다..."
이 요청을 제출해 주시고 세부 정보를 제공해 주셔서 감사합니다 @mminor . 네, 저희는 많은 JMP 플랫폼에 예측 구간을 추가했지만 많은 예측 모델링 플랫폼에는 추가하지 않았습니다. 이 요청을 개발팀에 공유하여 고려하도록 했습니다.
