In diesem Herbst haben wir ein neues Mitglied der JMP Familie: JMP Pro . Bei dieser ersten Version von JMP Pro bestand das Hauptziel darin, vorhersagende (im Gegensatz zu explorativen) Modellen für diejenigen zugänglich zu machen, die sich für die Arbeitsweise von JMP interessieren. Tatsächlich ist JMP Pro Teil der SAS Predictive Analytics Suite aus diesem Grund.
Predictive Modeling stützt sich auf ein Wissen, das traditionell bekannt ist oder nicht JMP Benutzer. Einer der wichtigsten Aspekte des Ansatzes ist jedoch die Notwendigkeit, Daten aufzuteilen, um verschiedene Phasen des Vorhersagemodellbildungsprozesses zu unterstützen.
Warum
Wie immer sind "alle Modelle falsch, aber einige sind nützlich", wie George EP Box sagte. Der Nutzen eines Modells, das Vorhersagen treffen soll, hängt natürlich mit seiner Fähigkeit zusammen, genau dies zu tun. Da wir jedoch keine Daten aus der Zukunft haben, können wir einige der Daten, die wir derzeit haben, am besten "durchhalten" und dann die von uns erstellten Modelle testen, um einen Hinweis darauf zu erhalten, wie wahrscheinlich sie sind aufführen.
Tatsächlich ist es nützlich, sich zwei Schritte zu überlegen: Modellauswahl und Modellbewertung, wobei die "Testdaten", die wir verwenden, in letzteren verwendet werden. Die Modellauswahl ist erforderlich, da jeder Typ oder jede Modellfamilie, die wir ausprobieren möchten, in der Regel verschiedene Anpassungs- oder Abstimmungsparameter aufweist, und wir müssen diese anpassen, um das beste Modell innerhalb dieser Familie zu erhalten. Dies führt dazu, dass die Nicht-Testdaten in "Trainingsdaten" und "Validierungsdaten" aufgeteilt werden. Natürlich hängt der Erfolg oder sonstige Vorhersagen von Vorhersagemodellen in gewisser Weise davon ab, wie genau die Beobachtungen in Trainings-, Validierungs- und Testdaten aufgeteilt werden.
Was
Um das Spitting zu erleichtern, können Sie in JMP 9 eine neue Spalte für Zufallsindikatoren erstellen:
Wie Sie sehen, erstellt JMP eine numerische Spalte, in der Sie den Anteil der Daten angeben können, der ein bestimmter Indikatorwert zugewiesen werden soll. Beachten Sie, dass der Modellierungstyp von Continuous in Nominal geändert wurde. Beachten Sie vor allem, dass die JMP-Analyseplattformen davon ausgehen, dass Zeilen, denen der Indikatorwert 0, 1 oder 2 zugewiesen ist, Teil der Trainings-, Validierungs- bzw. Testdaten sind. Sie können die Spalteneigenschaft Value Label verwenden, um dies verständlicher zu machen. Wie zu erwarten, ist die Zuordnung von Indikatorwerten zu Zeilen zufällig, sobald Sie die gewünschten Proportionen festgelegt haben.
Bei der Vorhersagemodellierung ist die Antwort ("Zielvariable") von Interesse entweder kontinuierlich oder diskret. In Data-Mining-Kreisen wird der erste Umstand normalerweise als Regressionsproblem und der zweite als Klassifizierungsproblem bezeichnet. Bei Klassifizierungsproblemen ist es nicht ungewöhnlich, relativ seltene Ereignisse vorherzusagen. Anders ausgedrückt, es ist unwahrscheinlich, dass die zur Verfügung stehenden Daten innerhalb jeder Ebene der diskreten Zielvariablen eine ungefähr gleiche Anzahl von Zeilen haben.
Wir könnten beispielsweise daran interessiert sein, das Auftreten eines Herstellungsfehlers vorherzusagen, wenn Daten für 9.000 Durchgänge und 1.000 Fehler vorliegen. In solchen Fällen ist die oben beschriebene Zufallsindikatorspalte wahrscheinlich nicht die beste Wahl. Abhängig von den von uns angegebenen Anteilen erhalten wir möglicherweise keine Fehler in den Testdaten. Was wir gerne tun würden, ist die zufällige Aufteilung der Daten innerhalb jeder Ebene der diskreten Zielvariablen, wodurch die Idee eines stratifizierten Abschnitts entsteht.
Wie
Diese Manipulationen sind zwar prinzipiell von Hand möglich, in der Praxis jedoch zu lästig. Aber zum Glück ein wenig JMP Scripting Language (JSL) und die neue JMP 9 Add-In-Architektur kann uns leicht geben, was wir brauchen. Herunterladen mein Add-In "Stratified Split" beim JMP File Exchange. (SAS-Anmeldung ist für den Zugriff erforderlich.)
Durch die Installation dieses Add-Ins wird ein neues Element mit stratifizierter Aufteilung im Menü "Zeilen" angezeigt, das dieses Dialogfeld erstellt:
Wenn Sie auf OK klicken, wird eine neue Spalte hinzugefügt und eine Verteilung wird angezeigt, sodass Sie das Ergebnis überprüfen können:
(Beachten Sie, dass wie beim eingebauten Äquivalent "Stratified Split") alle Zeilenstatusinformationen ignoriert. In der Abbildung oben bezieht sich "N Missing, 3" auf die Tatsache, dass die Tabelle drei ausgeschlossene Zeilen hat.)
Die verwendete JSL ist eher unauffällig, wird aber in einem späteren Beitrag analysiert. Wenn Sie sehen möchten, wie Aufteilungsdaten tatsächlich bei der Vorhersagemodellierung (mit oder ohne Stratifizierung) verwendet werden, beachten Sie die JMP Pro startet den Webcast .
Ian Cox schrieb:
Das Add-In sollte auch für den Mac funktionieren. Die neue Menüoption wird jedoch unter dem Menü "Zeilen" angezeigt, da sich die Aktion auf Zeilen bezieht. Aber bitte lass es mich wissen, wenn es nicht da ist.
Die Summe der Teile ist mehr als das Ganze. . . - JMP-Blog schrieb:
In einem früheren Artikel erwähnte ich ein neues JMP-Add-In, mit dem Daten vor der prädiktiven Modellierung aufgeteilt werden können. Diese [...]
FRAU schrieb:
Interessantes Posting, das Addin wird jedoch nicht korrekt installiert. Die Dateien scheinen an der richtigen Stelle installiert zu sein, das Add-In wird jedoch nicht im Add-In-Menü angezeigt.
Ist JMP Pro für das Addin erforderlich oder mache ich etwas falsch? Ich verwende JMP 9 für Macintosh.
