Al construir un modelo de predicción, hay una variedad de formas en que podemos modelar la respuesta en función de nuestros predictores. La plataforma Fit Model en JMP Nos permite modelar la respuesta como una función lineal de nuestros predictores. La plataforma no lineal nos permite modelar la respuesta como una función no lineal de los predictores, tal vez en forma de una curva exponencial o sigmoidal. Otra opción es modelar la respuesta como una función escalonada de nuestros predictores continuos. Podemos construir este tipo de modelo discretizando, o agrupando, nuestras columnas continuas. Esta publicación del blog proporciona una breve descripción del complemento "Recopilación supervisada" para crear este tipo de modelo. Aquí "supervisado" se refiere al hecho de que estamos utilizando la variable de respuesta para ayudarnos a elegir el mejor esquema de agrupación. El complemento está disponible para su descarga desde el Intercambio de archivos JMP como parte de la Complemento "Predictor Binning" (La descarga requiere un perfil SAS gratis).
Como ejemplo, la tabla de datos de maíz en la carpeta de datos de muestra de JMP proporciona mediciones de rendimiento de maíz y la concentración de nitrato agregado al suelo. Al trazar estos datos, vemos que la relación entre las dos variables es altamente no lineal, y nos damos cuenta de que podría ser difícil determinar un modelo que sea apropiado para los datos. Por lo tanto, sería interesante agrupar los valores de nitrato, creando una función escalonada para predecir el rendimiento del maíz. Para hacer esto, simplemente iniciamos el complemento de Contenidos supervisados y especificamos la columna "rendimiento" como Respuesta y la columna "nitrato" como Variable explicativa.
El complemento agrega una versión en intervalos de la columna de nitrato a la tabla de datos original. Esta nueva columna, "nitrato binned", es una columna categórica de cuatro niveles donde cada nivel representa un rango diferente de valores de nitrato. Por ejemplo, la primera bandeja representa las observaciones en las que el nivel de nitrato es menor o igual a 10.58. Ahora podemos usar la columna dividida en intervalos (ya sea en el modelo de ajuste o en la plataforma de ajuste Y por X) para predecir el rendimiento. La siguiente figura compara la función de predicción agrupada con un modelo cuadrático desunido para predecir el rendimiento. El modelo dividido es más fácil de interpretar que el modelo no lineal y tiene un error de media cuadrática menor.
El ejemplo del maíz es bueno para ver cómo funciona el binning de predicción para un ejemplo simple, pero el binning también es muy útil cuando se construyen modelos más complicados. Por ejemplo, podríamos ver los datos de Boston Housing en la carpeta de datos de muestra JMP. Aquí estamos tratando de predecir los valores promedio de las casas usando una variedad de características de cada ciudad. Supongamos que queremos usar todos los datos disponibles para construir un modelo lineal, pero tenemos razones para creer que varios de los predictores tienen una relación no lineal con el valor de la vivienda. Por ejemplo, tal vez creemos que los valores de las viviendas son relativamente constantes para las bajas tasas de criminalidad, pero caen dramáticamente por encima de cierta tasa de criminalidad. Podríamos presentar argumentos similares para justificar la ubicación de la columna de "habitaciones". Podemos usar el complemento de Contenidos supervisados para agrupar las columnas "crim" y "cuartos", así como cualquier otra columna que pueda parecer apropiada.
El complemento divide la columna "crim" en 10 categorías discretas. Una vez que la tasa de delincuencia per cápita supera los 2.0, los valores de las viviendas comienzan a disminuir rápidamente. Ahora podemos usar una combinación de nuestras columnas agrupadas y las columnas continuas restantes para construir un modelo con una capacidad de predicción potencialmente (mucho mejor) que un modelo creado con las columnas originales.
Por lo tanto, si alguna vez te has encontrado con ganas de agrupar o discretizar tus predictores continuos, es posible que desees probar el complemento Supervised Binning. Puede encontrar este complemento como parte de la Predictor Binning complemento en el intercambio de archivos JMP.
Hola arcilla
Estamos intentando usar el complemento "Recopilación de datos para predictores continuos", el elemento no supervisado funciona bien, pero estamos teniendo problemas con el método supervisado. Después de elegir una variable de respuesta y una variable explicativa y hacer clic en Aceptar, parece que no ocurre nada. Estamos utilizando JMP 12.2 (64 bit). ¿Tienes alguna sugerencia?
Arcilla barker escribió:
Hola sandeep
Desafortunadamente, es difícil adivinar por qué podría no estar funcionando para sus datos. Mi conjetura es que debería funcionar en 11, es más probable que algo sobre sus datos haya expuesto un error en el complemento. Cosas como las filas excluidas o los valores perdidos podrían hacer tropezar el complemento.
Gracias,
Arcilla
Sandeep Pawar escribió:
Parecía funcionar en los datos de Boston Housing ... no estoy seguro de por qué no funcionaría en mis datos
Sandeep Pawar escribió:
Estoy usando JMP Pro 11. Corrí el addin pero no pasó nada. No se creó ninguna nueva columna. ¿Funciona en 11?
¿Son tus datos demasiado precisos? escribió:
[...] la publicación describió una herramienta de agrupación interactiva que puede utilizar para hacer este tipo de agrupación manualmente. Un tercer ejemplo de binning es utilizar un enfoque supervisado, en el que se seleccionan los bins en el predictor de una manera que maximice la capacidad predictiva de los [...]
