Ferramenta Regressão de Contagem

Use a ferramenta Regressão de Contagem para criar um modelo de regressão que relacione um campo de número inteiro não negativo (0, 1, 2, 3 etc.) de interesse (uma variável-alvo) a um ou mais campos que podem ter influência sobre essa variável-alvo, os chamados preditores.

Exemplos de casos de uso comuns são o número de visitas de um cliente a um restaurante específico em determinado mês ou a quantidade de números de telefone associados a uma conta de celular. Nesses casos, o uso de um modelo linear resulta em estimativas tendenciosas. Os dois modelos de regressão de contagem mais conhecidos são os modelos Poisson* e binomial negativo**. Dado um conjunto de variáveis preditoras, um modelo de regressão de dados de contagem permite que o usuário obtenha estimativas do número esperado de eventos (por exemplo, visitas a uma loja) para uma unidade de observação (por exemplo, um cliente).

O modelo de regressão de Poisson faz uma forte suposição sobre a relação entre a média e a variância do campo-alvo (mais especificamente, ele pressupõe que ambas sejam iguais). Para levar isso em conta, foi desenvolvido o modelo Quasi-Poisson. O modelo Quasi-Poisson permite que a variância seja diferente da média, mas não possui medidas de critérios de informação definidas (como AIC), portanto, não é possível utilizá-lo como ponto de partida para a seleção stepwise (passo a passo) de variáveis. O modelo de regressão binomial negativo tem critérios de informação bem definidos e permite diferença entre a média e a variância para a distribuição subjacente, de modo que costuma ser preferido pelos usuários. Observação: se um modelo de regressão de Poisson for treinado utilizando dados em que há diferença entre a média e a variância, as estimativas de média e dos coeficientes de modelo correspondentes não serão tendenciosas, mas os testes de significância estatística terão esse problema.

Com essa ferramenta, se os dados de entrada vierem de um fluxo de dados regular do Alteryx, será usada a função open-source GLM do R para o treinamento do modelo. Se a entrada vier de uma ferramenta Entrada XDF ou Saída XDF, será usada a função Revo ScaleR rxGlm para o treinamento do modelo. A vantagem de usar a função baseada em Revo ScaleR é que, com ela, é possível analisar conjuntos de dados muito maiores, mas ela tem custos extras para criar um arquivo XDF, não cria algumas das saídas de diagnóstico do modelo que estão disponíveis com as funções open-source do R e só pode gerar modelos de regressão de Poisson.

Essa ferramenta utiliza a ferramenta R. Vá para OpçõesBaixar ferramentas preditivas e faça login no portal de Downloads e Licenças da Alteryx para instalar o R e os pacotes usados pela ferramenta R. Visite Baixar e utilizar ferramentas preditivas.