개발자 튜토리얼: JMP Pro의 일반화 회귀 분석을 사용하여 관측 데이터를 더 잘 이해하기관측 데이터는 대규모 데이터 세트, 직교성이 부족할 가능성이 높은 데이터, 그리고 해석보다는 예측에 관심이 있는 상황에 유용한 분석에 적합합니다. 일반화 회귀 플랫폼은 설계된 실험 데이터와 관측 데이터 모두에 대한 회귀 모델을 구축하는 데 사용됩니다. 다음 사항들을 유념하십시오.
- 페널티 회귀 분석은 관측 데이터에 대해 매우 유망한 결과를 보여줍니다.
- 유전적 영향은 아마 필수적이지 않을 것입니다.
- 충분한 데이터가 있다면 홀드아웃 세트를 사용하고, 그렇지 않으면 AICc를 사용하십시오.
방법을 알아보세요:
- 추정과 관련된 기본 원칙 및 고려해야 할 사항을 이해하십시오.
- 추정치가 실제와 얼마나 동떨어지는 경향이 있는가 (편향)
- 추정치의 변동성(분산)은 어느 정도입니까?
- 편향과 분산 원리를 결합하여 추정량의 평균 제곱 오차로 측정하는 방법
- 페널티 회귀 기법(릿지, 라쏘, 엘라스틱 넷, 어댑티브 라쏘, 더블 라쏘, 댄지그 셀렉터)을 이해합니다.
- JMP Pro에서 효과 유전이 어떻게 처리되는지 확인해 보세요.
- 그리드 제어 옵션을 선택하세요
- 강제 용어 사용, 조기 종료 및 정보 누락 방지 기능을 활용하세요.
자원
예측 모델링 및 머신 러닝
