Ferramenta Regressão Linear
Ferramenta Regressão Linear
Fluxo de trabalho de exemplo
A ferramenta Regressão de Contagem tem um fluxo de trabalho de exemplo. Visite Exemplos de fluxos de trabalho para saber como acessar esse e muitos outros exemplos diretamente do Alteryx Designer.
A ferramenta Regressão Linear cria um modelo simples para estimar valores ou avaliar relações entre variáveis com base em uma relação linear.
The 2 main types of linear regression are non-regularized and regularized:
Non-regularized linear regression produces linear models that minimize the sum of squared errors between the actual and predicted values of the training data target variable.
Regularized linear regression balances the same minimization of sum of squared errors with a penalty term on the size of the coefficients and tends to produce simpler models that are less prone to overfitting.
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.
R Packages Used by Linear Regression
de serviços | Tipo | Descrição do pacote |
|---|---|---|
AlteryxPreditivo | Personalizado | This package provides custom functions and calls CRAN and custom R packages. |
AlteryxRDataX | Personalizado | Fornece conectividade entre Alteryx e R, bem como um número de funções para facilitar a interação entre Alteryx e R. |
AlteryxRviz | Personalizado | Este pacote foi substituído. Ele fornece funções que impulsionam visualizações interativas para as ferramentas preditivas no Alteryx (série temporal, análise de rede). |
Flightdesk | Personalizado | FlightDesk é um pacote R projetado para facilitar a criação de painéis interativos para relatar saídas de modelos preditivos. |
Configurar a ferramenta para processamento padrão
Conectar uma entrada
Conecte um fluxo de dados do Alteryx ou um fluxo de metadados XDF que inclua um campo-alvo de interesse juntamente com um ou mais possíveis campos preditores.
Nota
XDF is MRC/MMLS format.
Se os dados de entrada vierem de um fluxo do Alteryx, será usada a função open-source randomForest do R (pacote randomForest) para o treinamento do modelo.
Se os dados de entrada vierem de uma ferramenta Saída XDF ou Entrada XDF, será usada a função RevoScaleR rxDForest 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.
Configurar a ferramenta
Nome do modelo: informe um nome para o modelo a fim de identificá-lo quando ele for referenciado em outras ferramentas. Os nomes de modelo devem começar com uma letra e podem conter letras, números e os caracteres especiais ponto (.) e sublinhado (_). Nenhum outro caractere especial é permitido, e a ferramenta R diferencia maiúsculas de minúsculas.
Selecione a variável-alvo: selecione os dados a serem previstos. A variável-alvo também é chamada de resposta ou variável dependente.
Selecione as variáveis preditoras: selecione os dados que influenciam o valor da variável-alvo. Variáveis preditoras também são conhecidas como recursos ou variáveis independentes. Não há um limite para o número de variáveis preditoras selecionadas, mas a variável-alvo não deve ser usada como variável preditora. Colunas que contêm identificadores exclusivos, como chaves primárias alternativas e chaves primárias naturais, não devem ser usadas em análises estatísticas. Elas não têm nenhum valor preditivo e podem causar exceções de tempo de execução.
Select Customize to modify the Model, Cross-validation, and Plots settings.
Customize the Model
Omit a model constant: Select to omit a constant and have the best fit line pass through the origin.
Use a weight variable for weighted least squares: Select a variable to determine the amount of importance to place on each record when creating a least-squares model.
Use regularized regression: Select to balance the same minimization of sum of squared errors with a penalty term on the size of the coefficients and produce a simpler model.
Os valores de alfa devem estar entre 0 (regressão ridge) e 1 (regressão lasso) para medir a ênfase dada ao coeficiente.
Standardize predictor variables: Select to make all variables the same size based on the algorithm used.
Use cross-validation to determine model parameters: Select to perform cross-validation and obtain various model parameters
Número de partições (folds): insira o número de subconjuntos nos quais os dados serão divididos. Lembre-se de que um número maior de folds resulta em estimativas mais robustas de qualidade do modelo, mas um número menor de folds permite uma execução mais rápida da ferramenta.
What type of model: Select the type of model to determine the coefficients.
Modelo mais simples
Modelo com menor erro padrão de amostra
Set seed: Select to ensure the reproducibility of cross-validation and select the value of the seed used to assign records to folds. Choosing the same seed each time the workflow is run guarantees that the same records will be in the same fold each time. O registro de data e hora deve ser um número inteiro positivo.
Customize the Cross-Validation
Use cross-validation to determine estimates of model quality: Select to perform cross-validation and obtain various model quality metrics and graphs. Some metrics and graphs will be displayed in the static R output, and others will be displayed in the interactive I output.
Número de partições (folds): insira o número de subconjuntos nos quais os dados serão divididos. Lembre-se de que um número maior de folds resulta em estimativas mais robustas de qualidade do modelo, mas um número menor de folds permite uma execução mais rápida da ferramenta.
Number of trials: Select the number of times to repeat the cross-validation procedure. The folds are selected differently in each trial, and the overall results are averaged across all the trials. Lembre-se de que um número maior de folds resulta em estimativas mais robustas de qualidade do modelo, mas um número menor de folds permite uma execução mais rápida da ferramenta.
Set seed: Select to ensure the reproducibility of cross-validation and select the value of the seed used to assign records to folds. Choosing the same seed each time the workflow is run guarantees that the same records will be in the same fold each time. O registro de data e hora deve ser um número inteiro positivo.
Customize the Plots
Resolução do gráfico: selecione a resolução do gráfico em pontos por polegada: 1x (96 dpi), 2x (192 dpi) ou 3x (288 dpi).
Resoluções mais baixas geram um arquivo menor, melhor para visualização em um monitor.
Resoluções mais altas geram um arquivo maior e com melhor qualidade de impressão.
Display graphs: Select to display graphs when using regularized regression.
Visualizar a saída
Conecte uma ferramenta Navegar a cada âncora de saída para exibir os resultados.
Âncora O: exibe o nome do modelo e o tamanho do objeto na janela de resultados.
Âncora R: exibe um relatório do modelo que inclui um resumo e gráficos.
I (Interactive): Displays a dashboard of interactive visualizations to support further data-discovery and model exploration.
Configurar a ferramenta para processamento no banco de dados
The Linear Regression tool supports Oracle, Microsoft SQL Server 2016, and Teradata in-database processing. Consulte Visão geral do processamento em banco de dados para obter mais informações sobre suporte e ferramentas de banco de dados.
Quando colocada na tela com uma ferramenta de banco de dados, a ferramenta Modelo de Floresta muda automaticamente para sua versão in-DB. Para mudar a versão da ferramenta, clique com o botão direito do mouse nela, selecione "Escolher versão da ferramenta" e escolha uma versão diferente. Consulte Análise preditiva para obter mais informações sobre suporte à análise preditiva no banco de dados.
Conectar uma entrada
Conecte um fluxo de dados in-DB que inclua um campo-alvo de interesse juntamente com um ou mais possíveis campos preditores.
Se a entrada vier de um fluxo no banco de dados do SQL Server ou Teradata, será utilizada a função rxDForest do Microsoft Machine Learning Server (pacote RevoScaleR) para o treinamento do modelo. Isso permite que o processamento seja realizado no servidor do banco de dados, desde que a máquina local e o servidor tenham sido configurados com o Microsoft Machine Learning Server, podendo resultar em uma melhoria significativa no desempenho.
Se a entrada vier de um fluxo no banco de dados do SQL Server ou Teradata, será utilizada a função rxDForest do Microsoft Machine Learning Server (pacote RevoScaleR) para o treinamento do modelo. Isso permite que o processamento seja realizado no servidor do banco de dados, desde que a máquina local e o servidor tenham sido configurados com o Microsoft Machine Learning Server, podendo resultar em uma melhoria significativa no desempenho.
For an in-database workflow in an Oracle database, full functionality of the resulting model object downstream only occurs if the Linear Regression tool is connected directly from a Connect In-DB tool with a single full table selected, or if a Write Data In-DB tool is used immediately before the Linear Regression tool to save the estimation data table to the database. Oracle R Enterprise makes use of the estimation data table to provide full model object functionality, such as calculating prediction intervals.
Configuração
Nome do modelo: cada modelo precisa de um nome para que possa ser identificado mais tarde. Você pode informar um nome ou optar por ter um nome gerado automaticamente. Os nomes de modelo devem começar com uma letra e podem conter letras, números e os caracteres especiais ponto (".") e sublinhado ("_"). Nenhum outro caractere especial é permitido, e a ferramenta R diferencia maiúsculas de minúsculas.
Selecione a variável-alvo: selecione o campo do fluxo de dados que você deseja prever.
Selecione as variáveis preditoras: escolha os campos do fluxo de dados que você pressupõe causem alterações no valor da variável-alvo. Colunas que contêm identificadores exclusivos, como chaves primárias alternativas e chaves primárias naturais, não devem ser usadas em análises estatísticas. Elas não têm nenhum valor preditivo e podem causar exceções de tempo de execução.
Omit a model constant: Check this item if you want to omit a constant from the model. This should be done if there is an explicit reason for doing so.
Usar pesos de amostragem no treinamento do modelo: marque essa caixa de seleção e selecione o campo de peso no fluxo de dados para treinar o modelo. Se um campo for usado tanto como preditor quanto como variável de peso, a variável de peso aparece na saída com o prefixo "Right_".
Oracle specific options: This option allows for the configuration of additional options only relevant for the Oracle platform.
Save the model to the database: Causes the estimated model object to be saved in the database, and is recommended so that the model objects and estimation tables live together in a centralized location in the Oracle database.
Teradata specific configuration: Microsoft Machine Learning Server needs additional configuration information about the specific Teradata platform to be used – in particular, the paths on the Teradata server to R's binary executables, and the location where temporary files that are used by Microsoft Machine Learning Server can be written. This information will need to be provided by a local Teradata administrator.
Visualizar a saída
Conecte uma ferramenta Navegar a cada âncora de saída para exibir os resultados.
Âncora O: exibe o nome do modelo e o tamanho do objeto na janela de resultados.
Âncora R: exibe um relatório do modelo que inclui um resumo e gráficos.