¿Qué inspiró esta solicitud de lista de deseos?
Los modelos en la plataforma de modelado predictivo no tienen una capacidad predeterminada para producir intervalos de confianza o intervalos de predicción en torno a las predicciones del modelo; sin embargo, JPM ha proporcionado una forma de generar intervalos de confianza en torno a las predicciones en el generador de perfiles mediante bagging ( https://www.jmp.com/support/help/en/18.0/#page/jmp/example-of-confidence-intervals-using-bagging.shtml# ). Desafortunadamente, no parece haber una forma de producir intervalos de predicción en el generador de perfiles para modelos predictivos mediante JMP (soy un usuario de JMP 17, por lo que no estoy seguro de si se ha agregado esta capacidad, pero según la entrada de ayuda de JMP 18, no creo que se haya agregado esta capacidad). Sospecho que es factible producir estos intervalos de predicción según mi comprensión de cómo se calculan los intervalos de confianza.
¿Cuál es la mejora que le gustaría ver?
Ahora que JMP 18 ha renovado su enfoque en los intervalos de predicción en el generador de perfiles ( https://community.jmp.com/t5/JMPer-Cable/Prediction-Profiler-enhancements-in-JMP-18/ba-p/718342 ), espero que se agreguen intervalos de predicción para los modelos predictivos. También sería útil generar fórmulas de columna para intervalos de confianza e intervalos de predicción para los modelos predictivos.
¿Por qué es importante esta idea?
Los intervalos de predicción son útiles para juzgar si los datos generados por el modelo propuesto se parecen a los datos reales, lo que suele denominarse "verificación predictiva posterior" en la literatura bayesiana. Si los datos generados por el modelo no se parecen a los datos reales, puede ser conveniente considerar un modelo diferente. A continuación, se incluye una descripción de este concepto, junto con un ejemplo simple, en el libro de John Kruschke "Doing Bayesian Data Analysis":
"El quinto paso es comprobar que el modelo, con sus valores de parámetros más creíbles, imita realmente los datos razonablemente bien. Esto se llama una comprobación predictiva posterior... Un enfoque es trazar un resumen de los datos predichos del modelo contra los datos reales... Los valores de peso predichos se resumen mediante barras verticales que muestran el rango del 95% de los valores de peso predichos más creíbles. El punto en el medio de cada barra muestra la media de los valores de peso predichos. Mediante la inspección visual del gráfico, podemos ver que los datos reales parecen estar bien descritos por los datos predichos. Los datos reales no parecen desviarse sistemáticamente de la tendencia o banda predicha a partir del modelo. Si los datos reales parecieran desviarse sistemáticamente de la forma predicha, entonces podríamos contemplar modelos descriptivos alternativos. Por ejemplo, los datos reales podrían parecer tener una tendencia no lineal. En ese caso, podríamos ampliar el modelo para incluir tendencias no lineales... También podríamos examinar las propiedades distributivas de los datos. Por ejemplo, si los datos parecen tener valores atípicos en relación con lo que predice una distribución normal, podríamos cambiar el modelo para utilizar una distribución de cola pesada..."
Gracias por enviar esta solicitud y por brindar los detalles @mminor . Sí, hemos agregado intervalos de predicción en muchas plataformas JMP, pero no en muchas de las plataformas de modelado predictivo. Hemos compartido esta solicitud con el equipo de desarrollo para su consideración.
