Outil Régression de comptage

L’outil Régression de comptage crée un modèle de régression qui relie un champ d’intérêt contenant un entier non négatif (par exemple, 0, 1, 2, 3, etc.) (variable cible) à un ou plusieurs champs qui sont censés avoir une influence sur la variable cible et sont souvent appelés des « variables prédictives ». Par exemple, on l’utilise souvent pour connaître le nombre de fois qu’un client se rend dans un restaurant particulier au cours d’un mois donné ou le nombre de numéros de téléphone associés à un compte de mobile particulier. Dans de tels cas, l’utilisation d’un modèle linéaire produit des estimations biaisées. Les deux modèles de régression de comptage les plus connus sont le modèle de Poisson* et le modèle de régression binomiale négative**. À partir d’un jeu de variables prédictives, un modèle de régression des données de comptage permet d’estimer le nombre attendu d’événements (par exemple, les visites à un magasin) pour une unité d’observation (par exemple, un client).

Le modèle de régression de Poisson produit une hypothèse fiable à propos de la relation entre la moyenne et la variance du champ cible (spécifiquement lorsqu’elles sont égales). Pour tenir compte de ce phénomène, le modèle de quasi-Poisson a été développé. Le modèle de quasi-Poisson autorise une variance différente de la moyenne, mais en contrepartie il ne possède pas de mesures définies des critères d’information (par exemple, l’AIC), et donc il ne peut pas être utilisé comme point de départ pour la sélection de variables pas à pas. Le modèle de régression binomiale négative ne possède pas de critères d’information bien définis. Il autorise une différence de moyenne et de variance pour la distribution sous-jacente, c’est pourquoi il est généralement recommandé. Il convient de noter qu’un modèle de régression de Poisson estimé à l’aide de données dans lesquelles la moyenne et la variance diffèrent fournit des estimations non biaisées de la moyenne et des coefficients de modèle correspondants, mais que les tests des caractères statistiquement significatifs sont biaisés.

Avec cet outil, si l’entrée provient d’un flux de données Alteryx standard, la fonction glm R open source permet d’estimer le modèle. Si l'entrée provient soit d'un Outil Entrée XDF ou Outil Sortie XDF, la fonction rxGlm de l'échelle Revo est utilisée pour l'estimation du modèle. La fonction basée sur Revo ScaleR est intéressante car elle permet d’analyser des jeux de données beaucoup plus volumineux (hors mémoire). En revanche, elle nécessite de créer un fichier XDF, elle empêche de générer une partie de la sortie de diagnostic du modèle qui est disponible avec les fonctions R open source et elle ne peut produire qu’un modèle de régression de Poisson.

Cet outil utilise l’outil R. Allez dans Options > Télécharger les outils prédictifs et connectez-vous à la Portail Téléchargements et licences Alteryx pour installer l’outil R et les packages utilisés par ce dernier. Reportez-vous à la page Outil R. Voir Télécharger et utiliser les outils prédictifs.

Connecter une entrée

Flux de données Alteryx ou flux de métadonnées XDF qui inclut un champ cible d’intérêt avec un ou plusieurs champs prédicteurs possibles.

Configurer l’outil

Nomdu modèle: chaque modèle doit être donné un nom afin qu'il puisse être identifié ultérieurement. Les noms de modèles doivent commencer par une lettre et peuvent contenir des lettres, des chiffres, ainsi que les caractères spéciaux suivants : point (« . ») et trait de soulignement (« _ »). Aucun autre caractère spécial n’est autorisé et R est sensible à la casse.
Sélectionnez la variable cible: sélectionnez le champ dans le flux de données que vous souhaitez prédire.
Sélectionnez les variables prédictives: choisissez les champs du flux de données que vous croyez «provoquer» les modifications de la valeur de la variable cible.

Les colonnes contenant des identifiants uniques, tels que les clés primaires de substitution et les clés primaires naturelles, ne doivent pas être utilisées dans les analyses statistiques. Elles ne comportent pas de valeur prédictive et peuvent entraîner des exceptions lors de l’exécution.

Type de modèle: sélectionnez poisson, quasi-poissonou binôme négatif. Si vous choisissez le modèle binomial négatif, vous pouvez spécifier la valeur de thêta (qui est étroitement liée à la variance du modèle). La valeur optimale de thêta peut être estimée à partir des données si l’option par défaut « auto » est utilisée.
Utiliser des poids d'échantillonnage dans l'estimation du modèle? fAcultatif : Cliquez sur la case à cocher, puis sélectionnez un champ de poids dans le flux de données pour estimer un modèle qui utilise le poids d'échantillonnage. Cette option est indisponible si le modèle binomial négatif est sélectionné et si la valeur de thêta est déterminée avec l’option « auto », mais elle est efficace si une valeur de thêta spécifique est fournie (elle peut être basée sur une première exécution du modèle sans pondération de l’échantillonnage).

Options des graphiques

Résolution du graphique : sélectionnez la résolution du graphique en points par pouce : 1x (96 ppp) ; 2x (192 PPP) ; ou 3x (288 PPP). Une résolution basse produit un fichier de plus petite taille et facilite la visualisation sur un moniteur. Une résolution élevée produit un fichier de plus grande taille avec une qualité d’impression supérieure.

Afficher la sortie

O ancre: se compose d'une table du modèle sérialisé avec son nom de modèle.
R ancre: comprend les extraits de rapport générés par l'outil de régression du comptage: un résumé statistique, une analyse de type II de déviance (Anod) et des parcelles diagnostiques de base. La table Analyse de déviance de type II et les tracés des diagnostics de base ne sont pas produits lorsque l’entrée du modèle provient d’un outil Sortie XDF ou Entrée XDF.

*en.wikipedia.org/wiki/Poisson_regression **en.wikipedia.org/wiki/Negative_binomial_distribution