Brad Foulkes , Principal Engineer für 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"});(in Meine Videos anzeigen)
Modelle, die die Wahrscheinlichkeit eines Ereignisses vorhersagen, können schwer zu interpretieren sein. Wenn das Modell ein Ereignis verpasst hat, war das dann ein schlechtes Modell? Oder waren die Ergebnisse einfach innerhalb der Vertrauensgrenzen des Modells? Die Verwendung nur eines Wertes kann zu fehlerhaften Schlussfolgerungen führen. Um ein besseres Ergebnis zu erzielen, haben wir einen Prozess entwickelt, um die Wahrscheinlichkeit eines Ereignisses zu einem bestimmten Zeitpunkt zu simulieren und anhand dieser Ergebnisse zu verstehen, wie wir das Modell beurteilen. Dieser Prozess kann mit JMP und JSL ausgeführt werden, um eine Benutzeroberfläche für die Eingabe von Daten und eines Modells zu entwickeln, die Simulation auszuführen und die Ergebnisse visuell bereitzustellen, um eine schnelle Überprüfung der Gültigkeit des Modells zu ermöglichen. Bei großen Datenmengen kann dies eine besonders langwierige und rechenaufwendige Aufgabe sein. JMP bietet die Möglichkeit, eine Datenmatrix in einer Zelle zu speichern, und diese Funktion wird zur Verbesserung der Laufgeschwindigkeit der Simulation verwendet. Diese Präsentation durchläuft den gesamten Prozess der Validierung des Modells sowie des JSL-Skripts für das Erstellen des Tools und das Interpretieren der Ausgabe.
