Cet automne, nous avons présenté un nouveau membre du JMP famille: JMP Pro . Pour cette première version de JMP Pro, l’intention principale était de commencer à rendre la modélisation prédictive (par opposition à la modélisation exploratoire) plus accessible aux personnes attirées par le style de travail JMP. En effet, JMP Pro fait partie de la SAS Predictive Analytics Suite Pour cette raison.
La modélisation prédictive s’appuie sur un corpus de connaissances qui peut ou non être familier aux techniques traditionnelles. JMP utilisateurs. Cependant, l'un des aspects importants de cette approche est la nécessité de scinder les données afin de prendre en charge différentes phases du processus de création de modèle prédictif.
Pourquoi
Comme toujours, "tous les modèles sont faux, mais certains sont utiles", a déclaré George EP Box. L'utilité d'un modèle destiné à faire des prédictions est, bien entendu, liée à sa capacité à faire exactement cela. Mais comme nous ne disposons pas de données du futur, le mieux que nous puissions faire est de "conserver" certaines des données dont nous disposons actuellement, puis de les utiliser pour tester les modèles que nous construisons afin d'obtenir une indication de leur probabilité. à effectuer.
En fait, il est utile de penser à deux étapes séquentielles: la sélection du modèle et l’évaluation du modèle, les «données de test» que nous proposons étant utilisées dans cette dernière. La sélection du modèle est nécessaire car chaque type ou famille de modèle que nous souhaitons essayer aura généralement différents paramètres d’ajustement ou d’ajustement, et nous devons les ajuster pour obtenir le meilleur modèle de cette famille. Cela donne lieu à une scission des données non testées en "données d'apprentissage" et en "données de validation". Naturellement, le succès ou non de tout effort de modélisation prédictive est en quelque sorte lié à la façon dont les observations sont décomposées en données de formation, de validation et de test.
Quoi
Pour faciliter cette opération, JMP 9 vous permet de créer une nouvelle colonne d’indicateurs aléatoires:
Comme vous le voyez, JMP crée une colonne numérique et vous permet de spécifier la proportion de données à laquelle une valeur d'indicateur donnée doit être affectée. Notez que le type de modélisation est passé de Continu à Nominal. Plus important encore, notez que les plates-formes d'analyse JMP supposent que les lignes affectées d'une valeur d'indicateur de 0, 1 ou 2 font partie des données d'apprentissage, de validation ou de test, respectivement. Vous pouvez utiliser la propriété de colonne Value Label pour la rendre plus intelligible. Comme vous vous en doutez, une fois que vous avez spécifié les proportions souhaitées, l'attribution des valeurs d'indicateur aux lignes est aléatoire.
Dans la modélisation prédictive, la réponse ("variable cible") d'intérêt sera continue ou discrète. Dans les cercles d'extraction de données, la première circonstance est généralement appelée un problème de régression et la seconde un problème de classification. Pour les problèmes de classification, il n’est pas rare d’essayer de prédire des événements relativement rares. Autrement dit, il est peu probable que les données disponibles aient un nombre à peu près égal de lignes dans chaque niveau de la variable cible discrète.
Par exemple, nous pourrions être intéressés à essayer de prédire l'occurrence d'un échec de fabrication lorsque nous disposons de données pour 9 000 passages et 1 000 échecs. Clairement, dans des cas comme celui-ci, la colonne d'indicateur aléatoire décrite ci-dessus n'est probablement pas le meilleur choix. Selon les proportions que nous spécifions, nous risquons de ne pas avoir d'échec dans les données de test. Ce que nous voudrions faire est de scinder les données de manière aléatoire au sein de chaque niveau de la variable cible discrète, donnant ainsi l’idée d’une scission stratifiée.
Comment
Bien qu’il soit en principe possible de faire ces manipulations à la main, dans la pratique, c’est trop lourd à faire. Mais heureusement, un peu de langage de script JMP (JSL) et le nouveau Architecture du complément JMP 9 peut facilement nous donner ce dont nous avons besoin. Télécharger mon add-in stratifié à l'échange de fichiers JMP. (Un identifiant SAS est requis pour accéder.)
L’installation de ce complément place un nouvel élément Fractionné dans le menu Lignes qui ouvre cette boîte de dialogue:
Si vous cliquez sur OK, une nouvelle colonne est ajoutée et une distribution s’affiche pour vous permettre de vérifier le résultat:
(Notez que, comme l’équivalent intégré, "Stratified Split" ignore toutes les informations sur l’état des lignes. Dans la capture d'écran ci-dessus, le "N manquant, 3" se rapporte au fait que la table a trois lignes exclues.)
La JSL utilisée est plutôt banale mais sera disséquée dans un prochain post. Si vous souhaitez voir comment le fractionnement des données est réellement utilisé dans la modélisation prédictive (avec ou sans stratification), regardez le Webcast de lancement de JMP Pro .
Ian Cox a écrit:
Le complément devrait également fonctionner pour le Mac. Mais la nouvelle option de menu apparaîtra dans le menu 'Lignes' car l'action concerne les lignes. Mais s'il vous plaît faites le moi savoir si ce n'est pas là.
La somme des parties est plus que le tout. . . - Blog JMP a écrit:
[...] dans un article précédent, j'ai mentionné un nouveau complément JMP qui peut être utilisé pour fractionner les données avant la modélisation prédictive. Ce [...]
MME a écrit:
Publication intéressante, mais le complément ne s’installera pas correctement. Les fichiers semblent être installés au bon endroit mais l'add-in n'apparaît pas dans le menu addin.
JMP Pro est-il requis pour que l'addin fonctionne ou est-ce que je fais quelque chose de mal? J'utilise JMP 9 pour Macintosh.
