Herramienta Conteo de regresiones

Utiliza la herramienta Conteo de regresiones para crear un modelo de regresión que relaciona un campo de interés (una variable objetivo) de valor entero no negativo (0, 1, 2, 3, etc.) con uno o más campos que se espera que influyan en la variable objetivo y que a menudo se denominan variables predictoras.

Algunos ejemplos de casos prácticos comunes son la cantidad de visitas que un cliente hace a un restaurante en particular en un mes determinado o la cantidad de números de teléfono asociados con una cuenta de teléfono móvil en particular. En estos casos prácticos, el uso de un modelo lineal da como resultado estimaciones sesgadas. Los dos modelos de conteo de regresiones más conocidos son Poisson* y los modelos binomiales negativos**. Dado un conjunto de variables de predicción, un modelo de conteo de regresiones de datos permite que un usuario obtenga estimaciones del número esperado de eventos (por ejemplo, visitas a una tienda) para una unidad de observación (por ejemplo, un cliente).

El modelo de regresión de Poisson realiza una suposición sólida acerca de la relación entre la media y la varianza del campo objetivo (específicamente, que son iguales entre sí). Tomando esto en cuenta, se desarrolló el modelo cuasi Poisson. El modelo cuasi Poisson permite una varianza diferente de la media, pero a expensas de no tener medidas de criterios de información definidas (como AIC), por lo que no se puede utilizar un modelo cuasi Poisson al inicio de la selección de variables escalonadas. El modelo de regresión binomial negativo tiene criterios de información bien definidos y permite una diferencia en la media y la varianza para la distribución subyacente, por lo que se prefiere normalmente. Se debe tener en cuenta que un modelo de regresión Poisson estimado usando datos en los que la media y la varianza difieren entre sí proporciona estimaciones imparciales de la media y los coeficientes de modelo correspondiente, pero las pruebas de importancia estadística están sesgadas.

Con esta herramienta, si los datos de entrada vienen de un flujo de datos de Alteryx normal, se utiliza la función glm de R de código abierto para la estimación del modelo. Si la entrada viene de una herramienta Entrada XDF o de una herramienta Salida XDF, se utiliza la función rxGlm de RevoScaleR para la estimación del modelo. La ventaja de utilizar la función basada en RevoScaleR es que permite analizar conjuntos de datos mucho más grandes (sin memoria), pero a costa de una sobrecarga adicional para crear un archivo XDF y la incapacidad de crear parte de la salida de diagnóstico del modelo que está disponible con las funciones de código abierto R, y solo puede producir un modelo de regresión de Poisson.

Esta herramienta utiliza la herramienta R. Ve a OpcionesDescargar herramientas predictivas e inicia sesión en el portal de descargas y licencias de Alteryx para instalar R y los paquetes utilizados por la herramienta R. Visita Descargar y usar herramientas predictivas.