1. Il modello di Machine Learning e la sua griglia
Un progetto contiene tanti modelli se necessario, visualizzati in schede nella parte superiore della pagina, con un «+» per crearne uno nuovo. Ogni modello ha un nome e indica la griglia che gestisce, scelta proprio sotto il suo nome.
⚠️ Modificare la griglia di un modello azzeri i valori di X, Y e le linee di test. È intenzionale: le colonne di un’altra griglia non devono necessariamente corrispondere. Per confrontare due insiemi di dati, create due modelli.
2. Scegliere X e Y
La tabella a sinistra elenca le colonne della griglia con due colonne di caselle di selezione, X e Y.
- Y è la risposta da indovinare. Selezionarla denomina il modello secondo lei e sceglie fin dall'inizio il tipo di modello : regressione lineare se Y è una variabile quantitativa, regressione logistica se è una variabile qualitativa.
- X sono i fattori che spiegano il fenomeno.
Tre regole di selezione che è bene conoscere:
- una colonna costante non può essere X: la relativa casella è disattivata poiché, in assenza di variazioni, non è possibile stimare alcun effetto; ;
- solo le colonne di prova 1 sono disponibili in X; ;
- Una stessa colonna non può essere sia X che Y: selezionando l'una, l'altra viene deselezionata.
3. Scegliere il tipo di modello
L'elenco dei tipi dipende dalla natura di Y.
Y quantitativa
| Tipo | Cosa offre |
| Regressione lineare | Il modello di riferimento: coefficienti chiari, p-value, R². È quello che si usa per capire. |
| Regressione PLS | Per un numero elevato di variabili X correlate tra loro, nei casi in cui la regressione classica diventa instabile. |
| Regressione K-OPLS | Versione "core" della PLS: rileva le relazioni non lineari. |
| Processo gaussiano | Interpolazione flessibile con intervallo di confidenza in ogni punto. Eccellente con pochi dati. |
| Rete neurale | Perceptron multistrato: relazioni altamente non lineari, a scapito dell'interpretabilità. |
Y qualitativo = non si prevede più un valore, ma un classe :
| Tipo | Cosa offre |
| Regressione logistica | Coefficienti e valori p, come nella regressione lineare. Il modello di riferimento per la classificazione. |
| Albero decisionale | Regole chiare, direttamente applicabili come istruzioni di officina. |
| Foresta casuale | Insieme di alberi: più preciso, meno leggibile. |
| (SVM) Support Vector Machine | Confini di separazione complessi. |
| (KNN) K vicini più prossimi | Classificazione in base alla somiglianza con casi noti. |
Due tipi di persone spariscono da sole quando non si impegnano:
- il distribuzione gaussiana richiede X tutti quantitativi e al massimo 50 righe di apprendimento; oltre tale soglia, il costo di calcolo aumenta vertiginosamente; ;
- la regressione K-OPLS scompare nelle tabelle di grandi dimensioni (oltre i 2.000 valori nelle colonne selezionate).
💡 Inizia sempre tramite la regressione lineare o logistica, anche se si sospetta una relazione non lineare. Fornisce valori p, un R² e coefficienti interpretabili: quanto basta per capire quali Questi fattori sono importanti. I modelli più flessibili a volte forniscono previsioni più accurate, ma non rispondono alla domanda «su cosa bisogna intervenire?».
4. Le opzioni
Sotto il tipo di modello, la sezione Opzioni illustra le impostazioni specifiche per il tipo selezionato (profondità massima e numero minimo di individui per foglia per un albero, numero di alberi e percentuale di variabili per una foresta, gamma e costo per una SVM, tasso di apprendimento, numero di epoche, regolarizzazione e dimensione dello strato nascosto per una rete neurale, numero di componenti per la PLS).
⚠️ Queste impostazioni hanno valori predefiniti ragionevoli. Modificarle in modo indiscriminato comporta sovracompensare : un modello che riproduce perfettamente i dati di addestramento ma commette errori su ogni nuovo pezzo. È la scheda Modello/Osservazione e le righe di verifica che indicano se hai vinto o perso.
5. I termini del modello
In una regressione, la scheda Coefficienti non si limita a leggere il modello: è lì che lo compone. Un selettore di termini consente di aggiungere agli effetti principali:
- le termini di secondo grado : il quadrato di un fattore, per cogliere una curvatura. Riservato ai fattori quantitativi con più di due livelli: con due livelli, un quadrato non si distingue dalla costante; ;
- le interazioni : il prodotto di due fattori; ;
- la costante, che eventualmente si può rimuovere dal modello.
La tabella dei coefficienti riporta, termine per termine: il coefficiente, l’errore standard, la statistica, la valore p, la conclusione significativo e il VIF. Sopra sono riportati l'errore standard del modello, il n (ddl)il R² e il R² aggiustato, nonché la lato destro del modello, l'equazione completa, pronta per essere copiata.
💡 Il VIF è il meccanismo di controllo che spesso si trascura. Misura quanto un termine sia ridondante rispetto agli altri. Un VIF elevato indica che il coefficiente riportato non è affidabile, non perché il fattore non abbia alcun effetto, ma perché i dati non consentono di distinguere il suo effetto da quello di un altro fattore. Sui dati osservativi, ciò accade spesso; in un piano sperimentale ben strutturato, invece, non dovrebbe verificarsi.
È possibile eliminare un termine sia rimuovendolo dalla tabella dei termini del modello, sia cliccando su «Elimina»
L'analisi automatica propone due strategie di selezione dei termini:
- In avanti : partire dal modello vuoto e aggiungere uno per uno i termini necessari; ;
- Indietro : partire dal modello completo ed eliminare i termini superflui.
Il pulsante Miglior sottoinsieme va oltre: elenca le combinazioni di termini fino a un numero massimo di termini che si imposta, visualizza il numero di regressioni ciò che ciò rappresenta, e ordina i risultati in base a R² e R² aggiustato. Ogni candidato si iscrive con un clic.
⚠️ Selezione automatica dei termini invalida i valori p in senso stretto: sono stati provati molti modelli e si è scelto il migliore, cosa che il calcolo del p-value non tiene in considerazione. Il risultato rimane un ottimo punto di partenza, ma un modello così ottenuto si conferma sulla base di nuovi dati, non su quelle che sono servite a sceglierlo.
In presenza di fattori qualitativi, è possibile scegliere la modalità di riferimento (inclusa nella costante). La modalità di riferimento non compare nella tabella di Student.
6. Leggere i risultati
La parte destra dello schermo mostra i risultati suddivisi in schede. I primi dipendono dal modello, mentre i successivi sono sempre presenti.
Schede specifiche del modello
| Scheda | Quando appare |
| Taguchi | Ellistat ha individuato un piano di Taguchi nei dati e Y è una variabile quantitativa. Visualizza l'analisi specifica per questo piano. |
| Multilivello | I dati lo confermano: effetti e significato dei termini su fattori a più livelli. |
| Coefficienti | Regressione lineare o logistica (vedi §5). |
| Configurazione | PLS, K-OPLS, processo gaussiano, rete neurale, albero, foresta, SVM, KNN — diagnosi specifiche per tipo. |
Schede comuni
| Scheda | Cosa mostra |
| Modello/Osservazione | Previsione rispetto al dato osservato. Su un asse Y qualitativo, si tratta della matrice di confusione. |
| Istogramma | La distribuzione, su Y quantitativa. |
| Residui | I dettagli riga per riga: valore osservato, previsione, scostamento e appartenenza alle righe di test. |
| Previsione | Inserire i valori di X e leggere la risposta prevista. |
| 3D | Fin da 2 X : l'area di risposta del modello. |
| 5D | Fin da 4 X : la stessa interpretazione con due elementi aggiuntivi, rappresentati dal colore e dalle dimensioni. |
💡 "Modello/Osservazione" è l'unica scheda che valuta il modello. I punti devono allinearsi sulla diagonale, e soprattutto anche le righe di prova devono essere allineate lì. Un modello che riproduce perfettamente i dati di addestramento ma fallisce nei test non ha imparato nulla: ha semplicemente memorizzato. È l’unico errore che conta, e l’R² non lo rileva.
7. Taguchi
Nel caso di un piano sperimentale a 2 livelli, la tabella di Taguchi fornisce il grafico degli effetti per tutte le colonne della tabella.
Selezionare o deselezionare un'interazione. Cliccando sul nome dell'interazione in rosso, questa viene selezionata e diventa verde. Lo stesso vale cliccando sul nome in verde: l'interazione diventa rossa. Selezionando un'interazione, viene visualizzato il grafico corrispondente. È possibile modificare l'asse x cliccando sul quadratino blu.
8. Modello / Osservazione
Questo grafico illustra, in diverse forme, la corrispondenza tra il modello e i dati osservati. Più i punti sono vicini alla retta, più il modello rispecchia i risultati delle prove.
Un grafico molto utile è quello che mette a confronto le leve e i residui. I punti devono trovarsi nella zona verde.
Se un punto si trova nella zona rossa, verso il basso o verso l'alto, ciò è dovuto a un problema nella risposta. C'è una risposta che non corrisponde al modello (valore anomalo?).
Se un punto si trova nella zona rossa verso destra, allora il problema riguarda l'asse X. Una delle linee di prova è atipica rispetto alle altre (ad esempio, X varia da 5 a 10 su tutte le linee tranne una, dove X = 20)
9. Istogramma dei residui
Fornisce l'istogramma e l'analisi di normalità dei residui
In questa scheda è presente la tabella con i valori misurati, quelli previsti e il valore dei residui.
Ma è in questa tabella che si può scegliere se inserire una parte delle righe nel test in modo casuale, oppure le prime, le ultime o selezionandole dalla colonna “test”.
10. Previsione
Questa scheda consente di prevedere un valore e il relativo intervallo di confidenza sulla base del modello per qualsiasi configurazione.
11. Grafica 3D e 5D
Il menu 3D consente di visualizzare la superficie di risposta in 3D. Si selezionano 2 X e una configurazione specifica degli altri X per visualizzare la rappresentazione
Nel caso in cui si disponga di un numero sufficiente di fattori X, viene proposta la rappresentazione 5D, che consente di visualizzare Y in funzione di 4X in un’unica figura (5 dimensioni)
Nell'esempio riportato di seguito è illustrata l'andamento potenza/velocità in 9 configurazioni di defocalizzazione/spot. È anche possibile utilizzare una griglia 5×5 al posto di quella 3×3 per ottenere una maggiore precisione.
