일반화 회귀 모형

변수 선택 기법을 사용하여 모형 생성

모형 적합 플랫폼의 일반화 회귀 분석법은 JMP Pro에서만 사용할 수 있습니다.

일반화 회귀 분석법은 축소 방법을 포함한 변수 선택 기법을 제공하며 특히 상관관계가 있는 고차원 데이터 모델링을 처리합니다. 이 중에서 Lasso 회귀와 Elastic Net이라는 두 가지 기법은 모델링 절차의 일부로 변수 선택을 수행합니다.

많은 변수를 포함하는 대규모 데이터 집합은 대개 다중공선성 문제를 나타냅니다. 최신 데이터 집합에는 관측값보다 변수가 더 많이 포함될 수 있으므로 기존 모델링 기법을 사용하려면 변수 선택이 필요합니다. 다중공선성 및 많은 예측 변수가 있으면 전통적 설계 기법의 단점이 드러납니다.

설계된 실험을 포함하여 상관관계가 거의 없는 소규모 데이터 집합에서도 Lasso 회귀와 Elastic Net이 유용합니다. 예측 모형을 생성하거나, 모형 축소 또는 향후 연구를 위해 변수를 선택할 때 이 기법을 사용할 수 있습니다.

일반화 회귀 분석법은 많은 모델링 상황에 유용합니다. 이 분석법을 사용하면 반응 변수에 대한 다양한 분포를 지정할 수 있습니다. 반응이 연속형, 이항, 개수 또는 영과잉일 때 사용합니다. 또한 변수 선택에 관심이 있거나 예측 변수의 공선성이 의심될 때 사용합니다. 보다 일반적으로는 다른 기법을 사용하여 생성한 모형과 비교하는 모형을 적합시킬 때 사용합니다.

그림 6.1 Elastic Net 적합에 대한 해 경로 

목차

일반화 회귀 분석법 개요

일반화 회귀의 예

일반화 회귀 분석법 시작

분포 지정

일반화 회귀 보고서 창

일반화 회귀 보고서 옵션

모형 시작 제어판

반응 분포

추정 방법 옵션

고급 컨트롤

검증 방법 옵션

조기 중지

시작

모형 적합 보고서

회귀 그림

모형 요약

추정 상세 정보

해 경로

중심화 및 척도화된 예측 변수에 대한 모수 추정값

원래 예측 변수에 대한 모수 추정값

활성 모수 추정값

효과 검정

모형 적합 옵션

자체 검증 앙상블 모형

자체 검증 앙상블 모형 개요

자체 검증 앙상블 모형에 대한 보고서

자체 검증 앙상블 모형에 대한 모형 적합 옵션

일반화 회귀 분석법에 대한 통계 상세 정보

추정 방법에 대한 통계 상세 정보

고급 컨트롤에 대한 통계 상세 정보

분포에 대한 통계 상세 정보

더 많은 정보를 원하십니까? 질문이 있습니까? JMP 사용자 커뮤니티에서 답변 받기 (community.jmp.com).