Une vidéo utilisant JMP 18 a été publiée en mai 2025.
Vous souhaitez utiliser des modèles prédictifs et avez besoin de comprendre ou de revoir les bases ? Vous avez déjà essayé la modélisation prédictive et vous vous demandez si la précision des modèles que vous développez est acceptable ? Vous avez recours à l’extrapolation faute de pouvoir mesurer au-delà de certaines limites ?
Dans cette session « Maîtriser JMP », nous explorerons les outils de JMP et JMP Pro pour créer des modèles prédictifs et éviter les pièges courants. Nous allons :
- Validez votre modèle pour éviter le surapprentissage.
- Évitez les prédictions absurdes.
- Traiter la multicolinéarité des variables d'entrée.
Questions auxquelles ont répondu @andreacoombs , Momena Monwar @momenta , @Jed_Campbell , @charlie_whitman et @Bill_Worley lors du webinaire en direct :
Q : Que signifie la colinéarité ?
A : La colinéarité indique une relation linéaire entre deux variables explicatives. Deux variables sont parfaitement colinéaires s'il existe une relation linéaire exacte entre elles, leur corrélation étant alors égale à 1 ou -1. Lorsqu'il y a colinéarité entre plus de deux facteurs, on parle généralement de multicolinéarité.
Q : Peut-on utiliser Predictor Profiler en cas de multicolinéarité ?
ONU : Dans Prediction Profiler, vous pouvez voir, en fonction de la variation de la pente, s’il existe une colinéarité ou un effet d’interaction.
Q : Peut-on examiner les termes d'interaction lors du filtrage des prédicteurs ?
L' outil Predictor Screening permet d'analyser rapidement la contribution des colonnes à partir d'une forêt Bootstrap. Les termes d'interaction ne sont pas visibles directement depuis l'interface de la plateforme. Toutefois, vous pouvez exécuter la forêt Bootstrap, activer le Profiler, puis sélectionner l'interaction à examiner.
Q : JMP prévoit-il d'ajouter un facteur nul à sa plateforme de sélection des prédicteurs afin de vérifier quelles variables doivent être incluses par rapport à une variable véritablement aléatoire ? Je pense à quelque chose comme le facteur nul présenté lors de la conférence sur la validation automatique il y a quelques années.
UN : Vous pouvez ajouter une ou deux colonnes aléatoires, puis les inclure dans la catégorie X de la plateforme de sélection des prédicteurs. Ensuite, il est généralement préférable de ne pas inclure les colonnes situées en dessous de cette variable aléatoire.
Q : Combien de prédicteurs sont excessifs ? Devons-nous utiliser la valeur VIF comme indicateur, ou certains modèles peuvent-ils contenir plus de 50 prédicteurs ?
ONU : Généralement, au-delà de 5 à 10 variables, on rencontre des problèmes de colinéarité ou de multicolinéarité. Cette vidéo et les documents associés traitent du VIF et de la colinéarité.
Q : Pourquoi ne souhaitez-vous pas inclure les variables corrélées/colinéaires ? Pourquoi les supprimez-vous ?
UN : Si vous utilisez un réseau de neurones ou une méthode de bootstrap, par exemple, vous pouvez conserver les deux. Mais si vous construisez un modèle linéaire et que les estimations de ces paramètres sont corrélées, alors non, vous ne souhaitez pas les inclure toutes les deux. Vous pouvez choisir d'en conserver une et de supprimer l'autre.
Q : Peut-on effectuer la validation d'un modèle uniquement avec une grande quantité de données ? Quel est le volume minimal de données nécessaire pour pouvoir en exclure une partie ?
UN : Si les données sont insuffisantes, il y a un risque de surapprentissage. Cela dépend aussi du type de modèle que vous essayez d’ajuster. Vous pouvez commencer avec 50 ou 100 données ; plus il y a de données, mieux c’est.
Q : Lorsque vous avez filtré le modèle sur les lignes d'entraînement ou de mise en réserve, le modèle s'est-il réentraîné sur les lignes de mise en réserve au lieu d'appliquer le modèle d'origine ?
ONU : L’ensemble d’entraînement a servi à entraîner le modèle. La partie réservée n’est pas traitée initialement par le modèle et est considérée comme des données inconnues. Une fois l’entraînement terminé, la partie réservée est utilisée pour évaluer la capacité du modèle à prédire des données inconnues.
Q : Devrions-nous utiliser la transformation de Box-Cox pour corriger le manque d'ajustement ?
ONU : Oui. Cela permet de linéariser les relations entre les prédicteurs et la réponse.
Q : Quelle est la limite lambda à partir de laquelle il est nécessaire de réajuster le modèle lors de la transformation de Box-Cox ?
ONU : Il s'agit essentiellement de repérer l'endroit où la ligne rouge descend et où elle croise la ligne horizontale bleue. Donc, tout ce qui se trouve dans cette zone ne nécessite probablement pas de réaménagement, mais tout ce qui se trouve au-dessus de cette ligne horizontale devrait probablement être réaménagé.
Q : Existe-t-il un moyen de fixer des « limites » aux arbres, par exemple en termes de profondeur ?
UN : Dans la version standard de JMP, lors du lancement du criblage des prédicteurs, vous pouvez spécifier le nombre d'arbres. JMP Pro offre davantage d'options pour optimiser le modèle. L' extension « Assistant de sélection des prédicteurs » facilite également le traçage d'une ligne de démarcation plus précise lors du criblage. Elle a été développée par Scott Allen, ingénieur système chez JMP.
Q : Quand vous dites que Weibull et la normale semblent convenir, comment le déterminez-vous ?
UN : Dans mon exemple, je n'ai pas inclus de colonne de validation. Sans colonne de validation, vous pouvez utiliser un critère d'information pour déterminer le meilleur modèle. Il s'agit de comparer les valeurs AICc des différents modèles (par exemple, l'AICc de Weibull contre l'AICc de la loi normale). L'ordre de grandeur de ces valeurs n'est pas important ; ce qui compte, c'est de les comparer entre elles. Ainsi, les valeurs très proches sont considérées comme équivalentes. Les modèles Weibull et log-normal sont assez proches ici, mais leurs valeurs AICc sont nettement inférieures à celles des modèles exponentiel et normal. Une autre approche aurait consisté à inclure la colonne de validation, ce qui aurait permis d'ajouter une colonne indiquant le R² de validation ou le R² de test. Ainsi, l'analyse du R² de l'échantillon de validation et la comparaison des modèles pour l'échantillon de test constituent une autre méthode pour déterminer le meilleur modèle. Voir la vidéo :
Cette vidéo montre comment construire des modèles prédictifs pour des données corrélées et de grande dimension à l'aide de JMP Pro .
Q : Que faire si les réponses multicolinéaires sont significatives ?
ONU : Ne vous fiez pas à cela, car vos valeurs p et votre modèle ne sont pas fiables en cas de colinéarité ou de multicolinéarité. Vous devez traiter la multicolinéarité avant de pouvoir effectuer des tests de signification, que ce soit pour les estimations des paramètres ou pour le modèle, ou pour faire des prédictions.
