JMP® における変数のクラスタリングと重要度の調査 JMP ®における変数のクラスタリングと重要度の調査
ライアン・J・パーカー、JMP 技術学生、SAS
ライアン・パーカー
このプレゼンテーションでは、JMP Pro に組み込まれている予測モデルに関する洞察を深める 2 つの手法を紹介します。最初の手法である変数クラスタリングは、類似の予測変数をクラスターにグループ化することで、ユーザーのモデル構築プロセスを簡素化します。ワインの品質に関するデータセットを使用して、この削減が予測力の面でメリットをもたらすだけでなく、適合モデルの解釈可能性も向上させることを示します。次に、2 番目の手法である変数の重要度を使用して、複雑な統計モデルの入力変数の重要性を評価する方法を示します。この方法では、統計モデルの応答変動を、考えられる入力変数の分布を使用して分解することで、モデルの応答に対する入力変数の重要性を調べることができます。どの変数が応答変動に最も影響を与えるかを知ることは、これらの入力が予測にどのように影響するかを理解するために重要です。ニューラル ネットワークなどの複雑な統計モデルを使用して、JMP がモデル内の各予測変数の主効果と合計効果 (考えられるすべての相互作用効果を含む) の推定値を提供する方法を示します。このセッションは、JMP のシニア リサーチ 統計学者兼研究開発ディレクターの Chris Gotwalt が講演します。
