Brad Foulkes , Ingénieur principal pour Lifing Analytics, GE Power Services
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-g2cWw3ODE63Hmz2_46HxePoxfW0xeS6Lw400h300r97', 'g2cWw3ODE63Hmz2_46HxePoxfW0xeS6L', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"400px","height":"300px"});(voir dans Mes vidéos)
Les modèles qui prédisent la probabilité d'un événement peuvent être difficiles à interpréter. Si le modèle a manqué un événement, cela signifie-t-il que c'était un mauvais modèle? Ou les résultats étaient-ils simplement dans les limites de confiance du modèle? L'utilisation d'une seule valeur peut conduire à des conclusions erronées. Pour essayer d'obtenir un meilleur résultat, nous avons développé un processus permettant de simuler la probabilité qu'un événement se produise à un moment donné et d'utiliser ces résultats pour comprendre comment nous jugeons le modèle. Ce processus est conçu pour fonctionner à l'aide de JMP et JSL afin de développer une interface utilisateur permettant de saisir des données et un modèle, d'exécuter la simulation et de fournir visuellement les résultats permettant de vérifier rapidement la validité du modèle. Pour les grands ensembles de données, cette tâche peut s'avérer particulièrement fastidieuse et fastidieuse. JMP permet de stocker une matrice de données dans une cellule. Cette fonctionnalité est utilisée pour améliorer la vitesse d'exécution de la simulation. Cette présentation décrit le processus général de validation du modèle, ainsi que les scripts JSL de création de l'outil et d'interprétation de la sortie.
