Questo autunno, abbiamo introdotto un nuovo membro del JMP famiglia: JMP Pro . Per questa prima versione di JMP Pro, l'intenzione principale era quella di iniziare a rendere la modellazione predittiva (al contrario di quella esplorativa) più accessibile a coloro che sono attratti dallo stile di lavoro di JMP. Infatti, JMP Pro fa parte del SAS Predictive Analytics Suite per questa ragione.
La modellistica predittiva si basa su un corpo di conoscenze che può essere o non essere familiare al tradizionale JMP utenti. Tuttavia, uno degli aspetti importanti dell'approccio è la necessità di suddividere i dati per supportare le diverse fasi del processo di costruzione del modello predittivo.
Perché
Come sempre, "tutti i modelli sono sbagliati, ma alcuni sono utili", come ha detto George EP Box. L'utilità di un modello destinato a fare previsioni è, naturalmente, legata alla sua capacità di fare esattamente questo. Ma poiché in realtà non abbiamo dati dal futuro, il meglio che possiamo fare è "tenere fuori" alcuni dei dati che abbiamo attualmente e poi usarli per testare i modelli che costruiamo per avere un'indicazione di come sono probabili per esibirsi.
In effetti, è utile pensare a due passaggi sequenziali: selezione del modello e valutazione del modello, i "dati di test" che utilizziamo in quest'ultimo caso. La selezione del modello è necessaria perché ogni tipo o famiglia di modelli che potremmo voler provare di solito hanno vari parametri di adattamento o di messa a punto, e abbiamo bisogno di regolarli per ottenere il modello migliore all'interno di questa famiglia. Ciò dà luogo a dividere i dati non di prova in "dati di addestramento" e "dati di convalida". Naturalmente, il successo o meno di qualsiasi sforzo di modellizzazione predittivo è in qualche modo legato a come esattamente le osservazioni a disposizione sono suddivise in dati di addestramento, validazione e test.
Che cosa
Per semplificare questi dati, JMP 9 ti consente di creare una nuova colonna di indicatori casuali:
Come vedete, JMP costruisce una colonna numerica e consente di specificare la proporzione dei dati da assegnare a un dato valore indicatore. Si noti che il tipo di modellazione è stato modificato da Continuo a Nominale. Ancora più importante, si noti che le piattaforme di analisi JMP presumono che le righe assegnate a un valore indicatore di 0, 1 o 2 siano rispettivamente parte dei dati di addestramento, di convalida o di test. È possibile utilizzare la proprietà della colonna Etichetta valore per renderlo più comprensibile. Come ci si potrebbe aspettare, una volta specificate le proporzioni desiderate, l'assegnazione dei valori dell'indicatore alle righe è casuale.
Nella modellazione predittiva, la risposta ("variabile target") di interesse sarà continua o discreta. Nei circoli di data mining, la prima circostanza viene solitamente definita un problema di regressione e il secondo un problema di classificazione. Per problemi di classificazione, non è insolito cercare di prevedere eventi relativamente rari. Dicendolo in modo diverso, è improbabile che i dati a disposizione abbiano un numero approssimativamente uguale di righe all'interno di ciascun livello della variabile di destinazione discreta.
Ad esempio, potremmo essere interessati a provare a prevedere il verificarsi di un errore di produzione quando disponiamo di dati per 9.000 passaggi e 1.000 guasti. Chiaramente, in casi come questo, la colonna dell'indicatore casuale sopra descritta probabilmente non è la scelta migliore. A seconda delle proporzioni che specifichiamo, potremmo finire senza errori nei dati di test. Quello che vorremmo fare è dividere i dati a caso all'interno di ciascun livello della variabile target discreta - dando origine all'idea di una divisione stratificata.
Come
Sebbene sia possibile, in linea di principio, eseguire queste manipolazioni a mano, in pratica è semplicemente troppo oneroso da infastidire. Ma per fortuna, un po 'di JMP Scripting Language (JSL) e il nuovo Architettura aggiuntiva JMP 9 può facilmente darci quello di cui abbiamo bisogno. Scaricare il mio componente aggiuntivo Stratified Split allo scambio di file JMP. (Per l'accesso è richiesto il login SAS.)
L'installazione di questo componente aggiuntivo inserisce una nuova voce Stratified Split nel menu Rows che rende questa finestra di dialogo:
Colpire OK aggiunge una nuova colonna e fa apparire una distribuzione in modo da poter verificare il risultato:
(Si noti che, come l'equivalente incorporato, "Split stratificato" ignora qualsiasi informazione sullo stato delle righe. Nello screenshot in alto, "N Missing, 3" si riferisce al fatto che la tabella ha tre righe escluse).
Il JSL utilizzato è piuttosto irrilevante, ma sarà sezionato in un post successivo. Se vuoi vedere come i dati di divisione vengono effettivamente utilizzati nella modellazione predittiva (con o senza stratificazione), guarda il Webcast di lancio di JMP Pro .
Ian Cox ha scritto:
L'add-in dovrebbe funzionare anche per il Mac. Ma la nuova opzione di menu verrà visualizzata nel menu "Righe" poiché l'azione riguarda le righe. Ma per favore fammi sapere se non è lì.
La somma delle parti è più del tutto. . . - Blog JMP ha scritto:
[...] un post precedente, ho menzionato un nuovo componente aggiuntivo JMP che può essere utilizzato per suddividere i dati prima della modellazione predittiva. Questo [...]
SIGNORINA ha scritto:
Pubblicazione interessante, tuttavia l'addin non verrà installato correttamente. I file sembrano essere installati nella giusta posizione ma l'addin non appare nel menu di aggiunta.
È richiesto JMP Pro perché l'addin funzioni o sto facendo qualcosa di sbagliato? Io uso JMP 9 per Macintosh.
