Il video che utilizza JMP 18 è stato pubblicato a maggio 2025.
Vuoi utilizzare modelli predittivi e hai bisogno di comprenderne o ripassarne prima le basi? Hai provato la modellazione predittiva e sei un po' indeciso se accettare o meno l'accuratezza dei modelli che sviluppi? Ti affidi all'estrapolazione perché non puoi misurare al di sopra o al di là di certi limiti?
In questa sessione "Mastering JMP", esploreremo gli strumenti di JMP e JMP Pro per creare modelli predittivi ed evitare errori comuni. In questa sessione:
- Eseguire la convalida del modello per evitare il sovradattamento.
- Evitate previsioni insensate.
- Affrontare la multicollinearità delle variabili di input.
Risposte alle domande di @andreacoombs , Momena Monwar @momenta , @Jed_Campbell , @charlie_whitman e @Bill_Worley durante il webinar in diretta:
Cosa significa collinearità?
R: La collinearità mostra una relazione lineare tra due variabili esplicative. Due variabili sono perfettamente collineari se esiste una relazione lineare esatta tra loro, ovvero la correlazione tra loro è pari a 1 o −1. Quando c'è collinearità tra più di 2 fattori, si parla in genere di multicollinearità.
È possibile utilizzare Predictor Profiler per la multicollinearità?
UN: In Prediction Profiler, in base alla variazione della pendenza, è possibile vedere se esiste un effetto di collinearità o di interazione.
È possibile esaminare i termini di interazione nello screening predittivo?
UN: Predictor Screening è uno strumento rapido per analizzare il contributo delle colonne basato su Bootstrap Forest. Non è possibile visualizzare i termini di interazione direttamente dall'interfaccia della piattaforma Predictor Screening. Tuttavia, è possibile eseguire Bootstrap Forest, attivare il Profiler e quindi selezionare l'interazione per visualizzarla.
JMP aggiungerà un fattore nullo alla piattaforma di screening predittivo per verificare ulteriormente quali variabili includere rispetto a una variabile realmente casuale? Sto pensando a qualcosa di simile al fattore nullo nella presentazione sulla convalida automatica tenuta qualche anno fa.
ONU: Puoi aggiungere una o due colonne casuali, quindi includere tali colonne nella categoria X nella piattaforma Predictor Screening. Quindi, qualsiasi valore al di sotto di quella variabile casuale, probabilmente non vorrai includerlo.
Quanti predittori sono troppi? Dovremmo usare il valore VIF come guida o alcuni modelli possono contenere più di 50 predittori?
ONU: In genere, quando si superano i 5-10, si verifica collinearità o multicollinearità. Questo video e i materiali trattano di VIF e collinearità.
Perché non volete includere le variabili correlate/collineari? Perché le eliminate?
ONU: Se, ad esempio, si utilizzasse una rete neurale o Bootstrap, è possibile lasciare entrambi. Ma se si sta creando un modello lineare e le stime dei parametri sono correlate, allora no, non è necessario includerli entrambi. È possibile scegliere di mantenerne uno e rimuovere l'altro.
È possibile eseguire la convalida del modello solo con una grande quantità di dati? Quali sono i dati minimi necessari per poter trattenere una parte dei dati?
ONU: Se i dati sono troppo pochi, c'è il rischio di overfitting. Dipende anche dal tipo di modello che si sta cercando di adattare. Si può provare con dati 50/100: più dati ci sono, meglio è.
Quando hai filtrato il modello in base alle righe di training o holdback, il modello ha eseguito un nuovo training sulle righe holdback invece di applicare quella originale?
UN: Il training set è stato utilizzato per addestrare il modello. La porzione di holdback non viene inizialmente elaborata dal modello e viene considerata come un dato non visibile al modello. Una volta completato l'addestramento, il modello utilizza la porzione di holdback per verificare l'efficacia delle previsioni del modello per i dati non visibili.
Dovremmo usare la trasformazione Box-Cox per eliminare la mancanza di adattamento?
ONU: È possibile. Aiuta a linearizzare le relazioni tra predittori e risposta.
Qual è il limite lambda per determinare se è necessario effettuare un riadattamento durante la trasformazione Box Cox?
ONU: In sostanza, si guarda dove la linea rossa scende e dove incrocia la linea orizzontale blu. Quindi, qualsiasi cosa in quell'area probabilmente non ha bisogno di essere riparata, ma se si trova sopra quella linea orizzontale, probabilmente bisognerebbe ripararla.
Esiste un modo per porre dei "limiti" agli alberi, ad esempio la profondità?
UN: In JMP standard, quando si avvia Predictor Screening è possibile specificare il numero di alberi. In JMP Pro, ci sono più modi per ottimizzare il modello. Il componente aggiuntivo Predictor Selection Assistant aiuta anche a tracciare una "linea" più precisa in Predictor Screening. È stato sviluppato da Scott Allen, un altro System Engineer di JMP.
Quando dici che Weibull e la normalità sembrano buoni, come fai a determinarlo?
UN: Nel mio esempio, non ho incluso una colonna di convalida. Se non si dispone di una colonna di convalida, è possibile utilizzare un criterio informativo per determinare qual è il modello migliore. Si confrontano i valori AICc per i diversi modelli (ad esempio, l'AICc per Weibull rispetto all'AICc per Normale). Le grandezze di queste unità non sono importanti. Ciò che conta è confrontarle tra loro. Quindi, qualsiasi valore entro poche unità verrebbe considerato uguale. Weibull e Log-Normale sono piuttosto simili qui, ma sono entrambi sostanzialmente più piccoli (AICC inferiori) rispetto a esponenziale e normale. Un altro approccio sarebbe stato quello di includere la colonna di convalida, e poi avrei ottenuto un'altra colonna qui che avrebbe indicato l'R-quadrato di convalida o l'R-quadrato del test. Quindi, esaminare l'R-quadrato di quel vero holdout e confrontare i modelli per il test è un altro modo per determinare il modello migliore. Guarda il video:
Questo video mostra come creare modelli predittivi per dati correlati e ad alta dimensionalità utilizzando JMP Pro .
Cosa si dovrebbe fare se le risposte multicollineari sono significative?
ONU: Non fidarti, perché i tuoi valori p e il tuo modello non sono affidabili in presenza di collinearità o multicollinearità. Devi gestire la multicollinearità prima di poter eseguire test di significatività per le stime dei parametri o per il modello, o per fare previsioni.
