Outil Régression logistique

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

Si les données d'entrée proviennent d'un flux de données Alteryx, la fonction GLM Open source R et les fonctions glmnet et CV. glmnet (à partir du paquet glmnet) sont utilisées pour l'estimation du modèle.

Si les données d'entrée proviennent soit d'un Outil Sortie XDF ou Outil Entrée XDF, la fonction rxLogit RevoScaleR est utilisée pour l'estimation du modèle. L’avantage de la fonction RevoScaleR est qu’elle permet d’analyser des jeux de données beaucoup plus volumineux (mémoire insuffisante), au détriment d’une augmentation de la charge pour créer un fichier XDF et avec l’impossibilité de créer une partie de la sortie de diagnostic de modèle avec les fonctions R open source. En outre, elle ne permet d’utiliser qu’une fonction de liaison logit.

• Type nom du modèle: tapez un nom pour le modèle pour identifier le modèle lorsqu'il est référencé dans d'autres outils. 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 les données à prévoir. Une variable cible est également appelée « réponse » ou « variable dépendante ».
• Sélectionnez variables prédictives: sélectionnez les données à utiliser pour influencer la valeur de la variable cible. Une variable prédictive est également appelée « fonction » ou « variable indépendante ». Vous pouvez sélectionner un nombre infini de variables prédictives, mais la variable cible ne doit pas être également une variable prédictive.

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.

Cliquez sur personnaliser pour modifier les paramètres du modèle, de la validation croisée et des tracés .

• Utiliser les poids d'échantillonnage dans l'estimation du modèle: sélectionnez une variable pour déterminer la quantité d'importance à placer sur chaque enregistrement lors de la création d'une estimation de modèle. Si une valeur est utilisée comme prédicteur et comme variable de pondération, la variable de pondération apparaît alors dans l’appel de modèle dans la sortie du rapport avec la chaîne « Right_ » ajoutée au début.
• Utiliser la régression régularisée: sélectionner pour équilibrer la même minimisation de la somme des erreurs au carré avec un terme de pénalité sur la taille des coefficients et produire un modèle plus simple.
• Entrez la valeur d'alpha: sélectionnez une valeur comprise entre 0 (régression de crête) et 1 (Lasso) pour mesurer la quantité d'emphase donnée au coefficient.
• Normalisation des variables prédictives: sélectionnez cette option pour que toutes les variables soient de la même taille en fonction de l'algorithme utilisé.
• Utilisez la validation croisée pour déterminer les paramètres du modèle: sélectionnez cette option pour effectuer une validation croisée et obtenir différents paramètres de modèle
• Nombre de plis: sélectionnez le nombre de plis pour diviser les données. Plus le nombre de plis est élevé, plus les estimations de la qualité du modèle sont fiables ; toutefois, plus le nombre de plis est bas, plus l’outil s’exécute rapidement.
• Quel type de modèle: sélectionnez le type de modèle pour déterminer les coefficients.
• Modèle simple
• Modèle présentant moins d’erreurs standard dans l’échantillon
• Set Seed: sélectionnez cette option pour garantir la reproductibilité de la validation croisée et sélectionner la valeur de la graine utilisée pour attribuer des enregistrements aux plis. La sélection de la même amorce à chaque fois que le workflow est exécuté garantit la présence systématique des mêmes enregistrements dans le même pli. La valeur doit être un entier positif.
• Sélectionnez typede modèle: sélectionnez le type de modèle à utiliser pour prédire la variable cible.
• logit
• probit
• logarithme double complémentaire

• Utiliser la validation croisée pour déterminer les estimations de la qualité du modèle: sélectionner pour effectuer la validation croisée et obtenir diverses métriques et graphiques de qualité de modèle. Certains graphiques et métriques apparaîtront dans la sortie R statique, tandis que d’autres s’afficheront dans la sortie I interactive.
• Nombre de plis: sélectionnez le nombre de plis pour diviser les données. Plus le nombre de plis est élevé, plus les estimations de la qualité du modèle sont fiables ; toutefois, plus le nombre de plis est bas, plus l’outil s’exécute rapidement.
• Nombre d'essais: sélectionnez le nombre de fois où vous souhaitez répéter la procédure de validation croisée. Les plis sont sélectionnés différemment lors de chaque tentative et la moyenne des résultats de toutes les tentatives est calculée. Plus le nombre de plis est élevé, plus les estimations de la qualité du modèle sont fiables ; toutefois, plus le nombre de plis est bas, plus l’outil s’exécute rapidement.
• Entrez la classe positive pour la variable cible: certaines des mesures signalées par l'outil dans les cas de classification binaire (tels que le taux positif réel) nécessitent une classe positive à désigner. Pour effectuer une classification binaire, tapez l’une des deux classes positives de la variable cible. Si ce champ est laissé vide, une des classes est déterminée automatiquement comme la classe positive. Cette option n’est disponible que pour les modèles de classification.
• Utilisez la validation croisée stratifiée: sélectionnez pour que chaque pli ait le même pourcentage de chaque classe que celui présent dans l'ensemble du DataSet. Cette option n’est disponible que pour les modèles de classification.
• Set Seed: sélectionnez cette option pour garantir la reproductibilité de la validation croisée et sélectionner la valeur de la graine utilisée pour attribuer des enregistrements aux plis. La sélection de la même amorce à chaque fois que le workflow est exécuté garantit la présence systématique des mêmes enregistrements dans le même pli. La valeur doit être un entier positif.

• 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.

Connectez un outil Explorateur à chaque ancrage de sortie pour afficher les résultats.

• O (sortie): affiche le nom du modèle et la taille de l'objet dans la fenêtre de résultats.
• R (rapport): affiche un rapport récapitulatif du modèle qui comprend un résumé et des parcelles.
• I (interactif): affiche un tableau de bord interactif de supports visuels qui vous permet de zoomer, de planer et de cliquer.

Connectez un flux de données en BDD qui inclut un champ cible d’intérêt avec un ou plusieurs champs prédicteurs possibles.

Si l'entrée provient d'un flux de données SQL Server ou Teradata, la fonction rxLogit de Microsoft machine learning Server (à partir du package RevoScaleR ) est utilisée pour l'estimation du modèle. Cela permet de faire le traitement sur le serveur de base de données, aussi longtemps que l'ordinateur local et le serveur ont été configurés avec Microsoft machine learning Server, et peut entraîner une amélioration significative sur les performances.

Si l'entrée provient d'un flux de données Oracle in-Database, la fonction Oracle R Enterprise Ore. LM (du paquet OREmodels ) est utilisée pour l'estimation du modèle. Il est ainsi possible d’effectuer le traitement sur le serveur de base de données, à condition que la machine locale et que le serveur soient configurés avec Oracle R Enterprise, ce qui augmente considérablement les performances.

Dans le cas d’un workflow en BDD situé dans une base de données Oracle, les fonctionnalités intégrales de l’objet modèle généré en aval ne sont disponibles que si l’outil Régression logistique est directement connecté depuis un outil Connecter en BDD avec une seule table complète sélectionnée, ou si un outil Écrire des données en BDD est utilisé directement avant l’outil Régression logistique pour enregistrer la table de données d’estimation dans la base de données. Oracle R Enterprise utilise la table de données d’estimation pour fournir toutes les fonctionnalités d’objet modèle, comme le calcul des intervalles de prédiction.

• Nomdu modèle: chaque modèle doit être donné un nom afin qu'il puisse être identifié ultérieurement. Vous devez fournir un nom ou générer un nom automatiquement. 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.

• Omettre une constantede modèle: cochez cet élément si vous souhaitez omettre une constante du modèle. À n’utiliser que si vous avez un motif explicite pour le faire.
• Options spécifiques à Oracle: cette option permet la configuration d'options supplémentaires uniquement pertinentes pour la plate-forme Oracle.
• Typede modèle: sélectionnez le type de modèle à utiliser pour prédire la variable cible.
• logit
• probit
• logarithme double complémentaire
• Enregistrez le modèle dans la base de données: provoque l'enregistrement de l'objet de modèle estimé dans la base de données et est recommandé pour que les objets de modèle et les tables d'estimation vivent ensemble dans un emplacement centralisé dans la base de données Oracle.
• Utiliser les pondérations d'échantillonnage pour l'estimation du modèle: cochez la case, puis sélectionnez un champ de poids dans le flux de données pour estimer un modèle qui utilise le poids d'échantillonnage. Un champ est utilisé comme prédicteur et comme variable de pondération, puis la variable de pondération apparaît dans l’appel de modèle dans la sortie avec la chaîne « Right_ » ajoutée au début.
• Teradata configuration spécifique: Microsoft machine learning Server a besoin d'informations de configuration supplémentaires sur la plate-forme Teradata spécifique à utiliser-en particulier, les chemins sur le serveur Teradata pour les exécutables binaires de R, et l'emplacement où les fichiers temporaires utilisés par Microsoft machine learning Server peuvent être écrits. Ces informations devront être communiquées par l’administrateur Teradata local.

Afficher la sortie

Connectez un outil Explorateur à chaque ancrage de sortie pour afficher les résultats.

• O ancre: sortie. Affiche le nom du modèle et la taille de l’objet dans la fenêtre Résultats.
• R ancre: rapport. Affiche un rapport récapitulatif du modèle incluant un récapitulatif et des tracés.