Strumento Conteggio delle regressioni

Utilizza Conteggio delle regressioni per creare un modello di regressione che mette in relazione un campo di interesse (una variabile di destinazione) a valore intero non negativo (0, 1, 2, 3 e così via) con uno o più campi che si prevede abbiano un'influenza sulla variabile di destinazione e che sono spesso chiamati variabili predittive.

Esempi di casi d'uso comuni sono il numero di visite di un cliente a un determinato ristorante in un mese specifico o il numero di recapiti telefonici associati a un determinato account di un telefono cellulare. In questi casi d'uso, l'impiego di un modello lineare determina stime distorte. I due modelli di conteggio delle regressioni più noti sono il modello Poisson* e quello binominale negativo**. Dato un insieme di variabili predittive, un modello di regressione del conteggio dei dati consente all'utente di ottenere stime relative al numero previsto di eventi (per esempio visite a un negozio) per un'unità di osservazione (per esempio un cliente).

Il modello di regressione Poisson elabora una forte ipotesi inerente alla relazione esistente tra la media e la varianza del campo target (specificatamente quando sono uguali tra loro). A questo proposito, è stato sviluppato Il modello quasi-Poisson. Il modello quasi-Poisson consente una varianza diversa dalla media ma al prezzo di non avere misure di criteri di informazione definiti (quale AIC). Pertanto, un modello quasi-Poisson non può essere utilizzato come avvio per la selezione di variabili graduali. Il modello di regressione binominale negativo dispone di criteri di informazione ben definiti e consente di ottenere una differenza tra media e varianza per la distribuzione sottostante, pertanto in genere è preferito. È necessario notare che la stima di un modello di regressione Poisson, effettuata attraverso l'utilizzo di dati in cui media e varianza siano diversi tra loro, fornisce stime non distorte della media e dei relativi coefficienti di modello. Tuttavia, i test di significatività statistica sono distorti.

Con questo strumento, se i dati di input provengono da un regolare flusso di dati Alteryx, viene utilizzata la funzione open source R glm per la stima del modello. Se l'input proviene da uno strumento Input XDF o da uno strumento Output XDF, viene utilizzata la funzione Revo ScaleR rxGlm per la stima del modello. Il vantaggio di utilizzare la funzione basata su Revo ScaleR è che consente di analizzare set di dati molto più estesi (con memoria esaurita), ma al costo di un ulteriore sovraccarico per creare un file XDF e dell'impossibilità di creare alcuni output di diagnostica del modello disponibili con la funzione open source R. Inoltre, può generare soltanto un modello di regressione Poisson.

Questo strumento utilizza lo strumento R. Vai a Opzioni Scarica Strumenti predittivi e accedi al portale Download e licenze di Alteryx per installare R e i pacchetti utilizzati dallo strumento R. Consulta la sezione Download e utilizzo degli strumenti predittivi.