Ein Modell erstellen

1. Das Machine-Learning-Modell und sein Raster

Ein Projekt enthält so viele Modelle soweit erforderlich, als Registerkarten am oberen Seitenrand angezeigt, mit einem «+», um eine neue Vorlage zu erstellen. Jede Vorlage hat einen Namen und bezeichnet das Raster die er betreibt und die direkt unter seinem Namen ausgewählt wurde.

⚠️ Das Raster eines Modells ändern setzt seine X-, Y-Werte und Testzeilen auf Null zurück. Das ist beabsichtigt: Die Spalten eines anderen Rasters müssen nicht übereinstimmen. Um zwei Datensätze zu vergleichen, erstellen Sie zwei Modelle.

2. X und Y auswählen

In der Tabelle links sind die Spalten der Tabelle mit zwei Spalten mit Kontrollkästchen aufgeführt, X und Y.

• Y ist die zu erratende Antwort. Diese ankreuzen benennt das Modell ihrer Meinung nach und wählt gleich zu Beginn die Art des Modells aus : lineare Regression, wenn Y quantitativ ist, logistische Regression, wenn es qualitativ ist.
• X sind die erklärenden Faktoren.

Drei Auswahlkriterien, die man kennen sollte:

• eine Spalte Konstante kann nicht X sein: Das entsprechende Kästchen ist deaktiviert, da ohne Variation kein Effekt abschätzbar ist; ;
• nur die Spalten von Probe 1 werden in X angeboten; ;
• Eine Spalte kann nicht gleichzeitig X und Y sein: Wenn man das eine ankreuzt, wird das andere abgewählt.

3. Vorlagentyp auswählen

Die Liste der Typen hängt von der Art von Y ab.

Quantitatives Y

Y qualitativ = Es wird nicht mehr ein Wert vorhergesagt, sondern eine Klasse :

Zwei Typen verschwinden von selbst, wenn sie sich nicht anstrengen:

• der Gauß-Prozess erfordert X alle quantitativ und höchstens 50 Zeilen Lernphase; darüber hinaus steigen die Rechenkosten explosionsartig an; ;
• die K-OPLS-Regression verschwindet bei großen Tabellen (ab 2.000 Werten in den ausgewählten Spalten).

💡 Loslegen immer durch lineare oder logistische Regression, selbst wenn eine nichtlineare Abhängigkeit vermutet wird. Sie liefert p-Werte, einen R²-Wert und interpretierbare Koeffizienten: genug, um zu wissen, welche Diese Faktoren spielen eine Rolle. Flexiblere Modelle liefern zwar manchmal bessere Vorhersagen, beantworten aber nicht die Frage: «Wo muss man ansetzen?».

4. Die Optionen

Unter dem Modelltyp, der Abschnitt Optionen zeigt die für den ausgewählten Typ spezifischen Einstellungen an (maximale Tiefe und minimale Anzahl von Individuen pro Blatt für einen Baum, Anzahl der Bäume und Anteil der Variablen für einen Wald, Gamma und Cost für einen SVM, Lernrate, Anzahl der Epochen, Regularisierung und Größe der versteckten Schicht für ein neuronales Netz, Anzahl der Komponenten für die PLS).

⚠️ Diese Einstellungen weisen sinnvolle Standardwerte auf. Eine unüberlegte Änderung dieser Einstellungen führt zu überkorrigieren : Ein Modell, das die Trainingsdaten perfekt nachbildet, bei jedem neuen Teil jedoch Fehler macht. Das ist die Registerkarte Modell/Beobachtung und die Testzeilen, die anzeigen, ob Sie gewonnen oder verloren haben.

5. Die Bedingungen der Vorlage

Bei einer Regression die Registerkarte Koeffizienten liest nicht nur die Vorlage: Hier wird sie besteht aus. Über einen Begriffsauswähler lassen sich zu den Haupteffekten folgende Effekte hinzufügen:

• die quadratische Terme : das Quadrat eines Faktors, um eine Krümmung zu erfassen. Gilt nur für quantitative Faktoren mit mehr als zwei Stufen: Bei zwei Stufen unterscheidet sich ein Quadrat nicht von der Konstante; ;
• die Wechselwirkungen : das Produkt zweier Faktoren; ;
• die Konstante, das man gegebenenfalls aus dem Modell entfernen kann.

Die Koeffiziententabelle gibt für jeden Term Folgendes an: den Koeffizient, das’Standardfehler, die Statistik, die p-Wert, die Schlussfolgerung bedeutsam und der VIF. Darüber stehen der Standardfehler des Modells, der n (ddl)am R² und der Angepasstes R², sowie die rechte Seite des Modells, die vollständige Gleichung, zum Kopieren.

💡 Der VIF ist die Sicherheitsvorkehrung, die oft vergessen wird. Sie misst, inwieweit sich ein Term mit anderen überschneidet. Ein hoher VIF-Wert bedeutet, dass der angezeigte Koeffizient nicht zuverlässig ist – nicht, dass der Faktor keine Rolle spielt, sondern dass die Daten es nicht zulassen, seinen Effekt von dem eines anderen zu trennen. Bei Beobachtungsdaten kommt dies häufig vor; bei einem gut konzipierten Versuchsdesign darf dies jedoch nicht vorkommen.

Man kann einen Begriff entweder löschen, indem man ihn aus der Begriffsliste des Modells entfernt, oder indem man auf «Löschen» klickt.»

Die automatische Analyse bietet zwei Strategien zur Begriffsauswahl an:

• Vorwärts : Ausgehend von der leeren Vorlage die erforderlichen Terme nacheinander hinzufügen; ;
• Zurück : Man geht vom vollständigen Modell aus und entfernt die überflüssigen Terme.

Die Schaltfläche Beste Teilmenge geht noch einen Schritt weiter: Er zählt die Begriffskombinationen bis zu einer maximale Anzahl von Begriffen den Sie festlegen, zeigt das Anzahl der Regressionen was dies bedeutet, und sortiert die Ergebnisse nach R² und angepasstem R². Jeder Kandidat lässt sich mit einem Klick anwenden.

⚠️ Automatische Auswahl von Begriffen macht die p-Werte ungültig Im engeren Sinne: Wir haben viele Modelle getestet und das beste ausgewählt, was bei der Berechnung des p-Werts nicht berücksichtigt wird. Das Ergebnis ist zwar ein hervorragender Ausgangspunkt, aber ein auf diese Weise gewonnenes Modell bestätigt anhand neuer Daten, nicht auf diejenigen, die bei seiner Wahl eine Rolle gespielt haben.

Bei qualitativen Faktoren kann die Referenzkategorie (die in der Konstante enthalten ist) ausgewählt werden. Die Referenzkategorie erscheint nicht in der Student-Tabelle.

6. Die Ergebnisse lesen

Auf der rechten Seite des Bildschirms werden die Ergebnisse in Registerkarten angezeigt. Die ersten Ergebnisse hängen vom Modell ab, die folgenden sind immer vorhanden.

Modellspezifische Registerkarten

Gemeinsame Registerkarten

💡 „Modell/Beobachtung“ ist die einzige Registerkarte, auf der das Modell bewertet wird. Die Punkte müssen auf der Diagonale liegen, und vor allem Auch die Testzeilen müssen dort ausgerichtet sein. Ein Modell, das seine Trainingsdaten perfekt vorhersagt, bei den Testdaten jedoch versagt, hat nichts gelernt: Es hat lediglich auswendig gelernt. Das ist der einzige Fehler, der zählt, und der R²-Wert berücksichtigt ihn nicht.

7. Taguchi

Bei einem Versuchsplan mit zwei Ebenen liefert die Taguchi-Tabelle das Wirkungsdiagramm für alle Spalten der Tabelle.

Eine Interaktion auswählen oder die Auswahl aufheben. Wenn man auf den Namen der roten Interaktion klickt, wird diese ausgewählt und wechselt zu grün. Ebenso wechselt sie zu rot, wenn man auf den grünen Namen klickt. Bei einer ausgewählten Interaktion wird das entsprechende Interaktionsdiagramm angezeigt. Die x-Achse lässt sich durch Klicken auf den blauen Punkt ändern.

8. Modell / Beobachtung

Diese Grafik veranschaulicht in verschiedener Form die Übereinstimmung zwischen Modell und Messwerten. Je näher die Punkte an der Geraden liegen, desto besser entspricht das Modell den Messwerten.

Ein sehr nützliches Diagramm ist das „Leverage-vs.-Residuen“-Diagramm. Die Punkte sollten im grünen Bereich liegen.

Wenn ein Punkt nach unten oder oben im roten Bereich liegt, liegt das an einem Problem bei der Antwort. Eine der Antworten passt nicht zum Muster (Ausreißer?).

Befindet sich ein Punkt rechts im roten Bereich, liegt das Problem bei den X-Werten. Eine der Testreihen weicht von den anderen ab (Beispiel: X variiert in allen Reihen außer einer zwischen 5 und 10, oder X = 20).

9. Histogramm der Residuen

Zeigt das Histogramm und die Normalitätsprüfung der Residuen an

Auf dieser Registerkarte befindet sich die Tabelle mit den gemessenen und den vorhergesagten Werten sowie den Residuen.

In dieser Tabelle kann man jedoch wählen, ob man einen Teil der Zeilen nach dem Zufallsprinzip, die ersten oder die letzten Zeilen oder bestimmte Zeilen aus der Spalte „Test“ in den Test aufnehmen möchte.

10. Prognose

Über diese Registerkarte lassen sich anhand des Modells für jede beliebige Konfiguration ein Ergebnis und dessen Konfidenzintervall vorhersagen.

11. 3D- und 5D-Grafik

Das 3D-Menü ermöglicht eine 3D-Ansicht der Antwortfläche. Man wählt 2 X-Achsen aus und legt eine bestimmte Konfiguration der übrigen X-Achsen fest, um die Darstellung anzuzeigen.

Falls genügend X-Faktoren vorliegen, wird die 5D-Darstellung vorgeschlagen, die es ermöglicht, Y in Abhängigkeit von 4X in einer einzigen Abbildung darzustellen (5 Dimensionen)

Im folgenden Beispiel ist der Verlauf von Leistung und Geschwindigkeit in neun Konfigurationen von Defokussierung und Spot dargestellt. Man kann auch ein 5×5-Raster anstelle des 3×3-Rasters verwenden, um eine feinere Darstellung zu erhalten.