El vídeo grabado con JMP 18 se publicó en mayo de 2025.
¿Quieres usar modelos predictivos y necesitas comprender o repasar primero los conceptos básicos? ¿Has intentado usar modelos predictivos y tienes dudas sobre la precisión de los modelos que desarrollas? ¿Te basas en la extrapolación porque no puedes medir por encima o más allá de ciertos límites?
En esta sesión de Dominando JMP, exploraremos las herramientas de JMP y JMP Pro para crear modelos predictivos y evitar errores comunes. Abordaremos lo siguiente:
- Realiza la validación de tu modelo para evitar el sobreajuste.
- Evite predicciones absurdas.
- Abordar la multicolinealidad de las variables de entrada.
Preguntas respondidas por @andreacoombs , Momena Monwar @momenta , @Jed_Campbell , @charlie_whitman y @Bill_Worley en el seminario web en directo:
P: ¿Qué significa colinealidad?
A: La colinealidad muestra una relación lineal entre dos variables explicativas. Dos variables son perfectamente colineales si existe una relación lineal exacta entre ellas, es decir, la correlación entre ambas es igual a 1 o -1. Cuando existe colinealidad entre más de dos factores, se denomina multicolinealidad.
P: ¿Se puede usar Predictor Profiler para la multicolinealidad?
A: En el Perfilador de Predicción, puede ver, en función del cambio de pendiente, si existe alguna colinealidad o efecto de interacción.
P: ¿Podrías analizar los términos de interacción en la selección de predictores?
A: El análisis de predictores es una herramienta rápida para examinar la contribución de las columnas según Bootstrap Forest. No se pueden ver los términos de interacción directamente desde la interfaz de la plataforma. Sin embargo, puede ejecutar Bootstrap Forest, activar el generador de perfiles y, a continuación, seleccionar la interacción que desea analizar.
P: ¿Añadirá JMP un Factor Nulo a la plataforma de Selección de Predictores para verificar aún más qué variables deben incluirse frente a una variable verdaderamente aleatoria? Pienso en algo similar al Factor Nulo que se mencionó en la charla sobre validación automática hace algunos años.
R: Puedes añadir una o dos columnas aleatorias e incluirlas en la categoría X de la plataforma de selección de predictores. Cualquier otro dato que aparezca debajo de esa variable aleatoria probablemente no te convenga.
P: ¿Cuántos predictores son demasiados? ¿Deberíamos usar el valor VIF como guía, o algunos modelos pueden contener más de 50 predictores?
A: Normalmente, cuando se superan los 5-10, se presentan problemas de colinealidad o multicolinealidad. Este video y los materiales tratan sobre el VIF y la colinealidad.
P: ¿Por qué no quieres incluir variables que están correlacionadas/colineales? ¿Por qué las eliminas?
R: Si usaras una red neuronal o Bootstrap, por ejemplo, puedes incluir ambos. Pero si estás creando un modelo lineal y las estimaciones de esos parámetros están correlacionadas, entonces no, no conviene incluirlos ambos. Puedes optar por mantener uno y eliminar el otro.
P: ¿Solo se puede realizar la validación del modelo con una gran cantidad de datos? ¿Cuál es la cantidad mínima de datos necesaria para poder reservar algunos?
R: Si hay muy pocos datos, existe la posibilidad de sobreajuste. Además, depende del tipo de modelo que se esté intentando ajustar. Se puede probar con 50 o 100 datos; cuantos más datos, mejor.
P: Cuando filtraste el modelo por filas de entrenamiento o de reserva, ¿el modelo se estaba reentrenando con las filas de reserva en lugar de aplicar el modelo original?
A: El conjunto de entrenamiento se utilizó para entrenar el modelo. La parte reservada no se incorpora al modelo inicialmente y se considera como datos no vistos. Una vez finalizado el entrenamiento, el modelo utiliza la parte reservada para evaluar su capacidad predictiva con datos no vistos.
P: ¿Deberíamos utilizar la transformación de Box-Cox para eliminar la falta de ajuste?
A: Sí, se puede. Ayuda a linealizar las relaciones entre los predictores y la respuesta.
P: ¿Cuál es el límite lambda para determinar que es necesario reajustar al realizar la transformación de Box-Cox?
A: Básicamente, debes fijarte en dónde baja la línea roja y dónde cruza la línea horizontal azul. Si algo está en esa zona, probablemente no necesites reajustarlo, pero si está por encima de esa línea horizontal, probablemente sí convenga reajustarlo.
P: ¿Existe alguna forma de poner "límites" a los árboles, por ejemplo, a su profundidad?
R: En JMP estándar, al iniciar la selección de predictores, puede especificar el número de árboles. En JMP Pro, existen más formas de ajustar el modelo. El complemento Asistente de Selección de Predictores también facilita la definición de un perfil más preciso en la selección de predictores. Fue desarrollado por Scott Allen, otro ingeniero de sistemas de JMP.
P: Cuando dices que Weibull y lo normal se ven bien, ¿cómo lo determinas?
A: En mi ejemplo, no incluí una columna de validación. Si no dispone de una columna de validación, puede usar un criterio de información para determinar cuál es el mejor modelo. Compare los valores AICc de los diferentes modelos (por ejemplo, el AICc para Weibull frente al AICc para la distribución normal). La magnitud de estas unidades no es importante; lo importante es compararlas entre sí. Por lo tanto, cualquier valor dentro de un rango de pocas unidades se consideraría igual. Los modelos Weibull y Log-Normal son bastante similares en este aspecto, pero ambos son sustancialmente menores (AICC más bajos) que los modelos exponencial y normal. Otra opción habría sido incluir la columna de validación, y así habría obtenido otra columna que indicara el R² de validación o el R² de prueba. De esta manera, analizar el R² de la muestra de prueba y comparar los modelos para la prueba es otra forma de determinar el mejor modelo. Ver vídeo:
Este vídeo muestra cómo construir modelos predictivos para datos correlacionados y de alta dimensión utilizando JMP Pro .
P: ¿Qué se debe hacer si las respuestas multicolineales son significativas?
A: No te fíes de eso, porque tus valores p y tu modelo no son fiables cuando hay colinealidad o multicolinealidad. Debes abordar la multicolinealidad antes de poder realizar cualquier prueba de significación, ya sea para las estimaciones de los parámetros o para el modelo, o para hacer predicciones.
