Este otoño, presentamos un nuevo miembro de la JMP familia: JMP Pro . Para esta primera versión de JMP Pro, la intención principal era comenzar a hacer que el modelado predictivo (en lugar del exploratorio) sea más accesible para aquellos que se sienten atraídos por el estilo de trabajo de JMP. De hecho, JMP Pro es parte de la SAS Predictive Analytics Suite por esta razón.
El modelado predictivo se basa en un conjunto de conocimientos que pueden o no ser familiares a los tradicionales JMP usuarios Sin embargo, uno de los aspectos importantes del enfoque es la necesidad de dividir los datos para admitir diferentes fases del proceso de construcción de modelos predictivos.
Por qué
Como siempre, "todos los modelos están mal, pero algunos son útiles", como dijo George EP Box. La utilidad de un modelo destinado a hacer predicciones está, por supuesto, ligada a su capacidad para hacer exactamente eso. Pero como en realidad no tenemos datos del futuro, lo mejor que podemos hacer es "aguantar" algunos de los datos que tenemos actualmente y luego usarlos para probar los modelos que construimos para obtener una indicación de cómo son probables. actuar.
De hecho, es útil pensar en dos pasos secuenciales: selección de modelo y evaluación de modelo, los "datos de prueba" que utilizamos en este último. La selección del modelo es necesaria porque cada tipo o familia de modelo que queramos probar normalmente tendrá varios parámetros de ajuste o ajuste, y debemos ajustarlos para obtener el mejor modelo dentro de esta familia. Esto da lugar a la división de los datos no probados en "datos de entrenamiento" y "datos de validación". Naturalmente, el éxito o no de cualquier esfuerzo de modelado predictivo está relacionado de alguna manera con la forma exacta en que las observaciones disponibles se dividen en datos de entrenamiento, validación y pruebas.
Qué
Para facilitar la tarea de escupir datos, JMP 9 le permite crear una nueva columna de indicadores aleatorios:
Como puede ver, JMP creará una columna numérica y le permitirá especificar la proporción de los datos a los que se asignará un valor de indicador dado. Tenga en cuenta que el tipo de modelado se ha cambiado de Continuo a Nominal. Más importante aún, tenga en cuenta que las plataformas de análisis JMP asumirán que las filas asignadas a un valor de indicador de 0, 1 o 2 son parte de los datos de entrenamiento, validación o prueba, respectivamente. Podría hacer uso de la propiedad de la columna Etiqueta de valor para hacer esto más inteligible. Como es de esperar, una vez que haya especificado las proporciones que desea, la asignación de valores de indicador a filas es aleatoria.
En el modelo predictivo, la respuesta ("variable objetivo") de interés será continua o discreta. En los círculos de minería de datos, la primera circunstancia suele denominarse un problema de regresión y la segunda un problema de clasificación. Para problemas de clasificación, no es raro tratar de predecir eventos relativamente raros. Diciéndolo de manera diferente, es poco probable que los datos a mano tengan un número de filas aproximadamente igual dentro de cada nivel de la variable objetivo discreta.
Por ejemplo, podríamos estar interesados en tratar de predecir la ocurrencia de una falla de fabricación cuando tenemos datos para 9,000 pases y 1,000 fallas. Claramente, en casos como este, la columna de indicador aleatorio descrita anteriormente probablemente no sea la mejor opción. Dependiendo de las proporciones que especifiquemos, podríamos terminar sin fallas en los datos de prueba. Lo que nos gustaría hacer es dividir los datos al azar dentro de cada nivel de la variable objetivo discreta, dando lugar a la idea de una división estratificada.
Cómo
Aunque en principio es posible hacer estas manipulaciones a mano, en la práctica es demasiado molesto como para molestar. Pero, afortunadamente, un poco de JMP Scripting Language (JSL) y el nuevo Arquitectura de complemento JMP 9 Fácilmente nos puede dar lo que necesitamos. Descargar mi complemento de división estratificada en el intercambio de archivos JMP. (Se requiere inicio de sesión SAS para el acceso.)
La instalación de este complemento coloca un nuevo elemento de división estratificada en el menú Filas que hace este cuadro de diálogo:
Al presionar OK se agrega una nueva columna y se abre una Distribución para que pueda verificar el resultado:
(Tenga en cuenta que, al igual que el equivalente incorporado, "División estratificada" ignora la información de estado de cualquier fila. En la captura de pantalla anterior, la "N Missing, 3" se relaciona con el hecho de que la tabla tiene tres filas excluidas.
La JSL utilizada no es destacable, pero se diseccionará en una publicación posterior. Si desea ver cómo se utilizan realmente los datos de división en el modelado predictivo (con o sin estratificación), observe la Webcast de lanzamiento de JMP Pro .
Ian Cox escribió:
El complemento debería funcionar para la Mac también. Pero la nueva opción de menú aparecerá en el menú 'Filas' ya que la acción pertenece a las filas. Pero por favor, hágamelo saber si no está allí.
La suma de las partes es más que el todo. . . - Blog JMP escribió:
[...] en una publicación anterior, mencioné un nuevo complemento JMP que se puede usar para dividir los datos antes del modelado predictivo. Esta [...]
SRA escribió:
Publicación interesante, sin embargo, el complemento no se instalará correctamente. Los archivos parecen estar instalados en la ubicación correcta, pero el complemento no aparece en el menú del complemento.
¿Se requiere JMP Pro para que el complemento funcione o estoy haciendo algo mal? Yo uso JMP 9 para Macintosh.
