こんにちは、チームの皆さん
現在、回帰モデルについてはまだ初心者です。Fitモデルを使って回帰モデルを作成しようとしています。その理由は、過去のデータに基づいて、問題のあるデータポイントを除外したいからです。例えば、過去のデータセットがあり、このデータセットからモデルを作成します。モデルを作成したら、出力を予測し、予測値と実際の値の差を比較します。残差が大きいほど、そのデータポイントが異常である可能性が高くなります。
モデルの適合を行っている際に、パラメータの選択によって結果が異なることに気づきました。モデルを作成した後、スチューデント化残差が大きいデータポイントを調べ、それらが妥当かどうかを検証しました。適切なモデルを得るには、パラメータの選択作業を何度も繰り返す必要があります。以下の例を見てみましょう。
モデル1:
モデル2:
ご覧のとおり、モデル2にはモデル1と比較して、スチューデント化残差の高いデータポイントが多数あります。これらのスチューデント化残差の高いデータポイントを検証したところ、これらのデータポイントは「Bad」に分類されました。モデル2の方が堅牢であるようです。
2つのモデルともRSquareスコアが高いのに、モデル2ではなぜより多くの不良データポイントを除外できたのか、疑問に思います。モデル作成時に選択したパラメータが原因かもしれません。
質問:
- データ セットの新しい列でデータ ポイントを良好/不良として分類する場合、モデルがより堅牢になり不良データ ポイントを除外できるように、どのパラメーターを選択すべきかを提案する JMP のメソッドはありますか。
- データ ポイントを分類しない場合、モデルをより堅牢にして不良データ ポイントを除外できるように、どのパラメーターを選択すべきかを提案する JMP のメソッドはありますか。
コミュニティからアドバイスをいただければ幸いです
感謝する
