Automatizar el modelado para un objetivo continuo
Este tutorial utiliza el nodo Auto Numeric para crear y comparar automáticamente diferentes modelos para resultados continuos (rango numérico), como la predicción del valor imponible de una propiedad. Con un nodo único, puede estimar y comparar un conjunto de modelos candidatos y generar un subconjunto de modelos para su análisis posterior. El nodo funciona de la misma manera que el nodo Clasificador automático, pero para objetivos continuos en lugar de objetivos de bandera o nominales.
El nodo combina las mejores opciones de los modelos candidatos en un único nugget de modelo de conjunto (agregado). Este método combina la facilidad de la automatización con los beneficios de combinar múltiples modelos, que suelen producir predicciones más precisas que cualquier otro modelo.
Este ejemplo se centra en una oficina municipal ficticia responsable del ajuste y valoración de los impuestos sobre bienes inmuebles. Para alcanzar este objetivo con mayor precisión, se crea un modelo que predice el valor de las propiedades basándose en el tipo de edificio, el barrio, el tamaño y otros factores conocidos.
Vista previa del tutorial
Mira este vídeo para ver un avance de los pasos de este tutorial. Puede haber ligeras diferencias en la interfaz de usuario que se muestra en el vídeo. El vídeo está pensado como complemento del tutorial escrito. Este vídeo ofrece un método visual para aprender los conceptos y tareas que se describen en esta documentación.
Prueba el tutorial
En este tutorial, completarás las siguientes tareas:
Flujo del modelador de muestras y conjunto de datos
Este tutorial utiliza el flujo Modelado automatizado para un objetivo continuo del proyecto de ejemplo. El archivo de datos utilizado es property_values_train.csv. La siguiente imagen muestra el flujo del modelador de muestra.
El archivo de datos incluye un campo denominado taxable_value, que es el campo objetivo, o valor, que se desea predecir. Los demás campos contienen información como el barrio, el tipo de edificio y el volumen interior, y podrían utilizarse como predictores.
| Nombre de campo | Etiqueta |
|---|---|
property_id |
ID de la propiedad |
neighborhood |
Zona de la ciudad |
building_type |
Tipo de edificio |
year_built |
Año de construcción |
volume_interior |
Volumen del interior |
volume_other |
Volumen del garaje y de construcciones adicionales |
lot_size |
Tamaño de la parcela |
taxable_value |
Valor gravable |
Tarea 1: Abrir el proyecto de ejemplo
El proyecto de ejemplo contiene varios conjuntos de datos y flujos de modelador de ejemplo. Si aún no tiene el proyecto de ejemplo, consulte el tema Tutoriales para crear el proyecto de ejemplo. A continuación, siga estos pasos para abrir el proyecto de ejemplo:
- En el menú watsonx
Navegación, seleccione Proyectos > Todos los proyectos. - Haga clic en el proyecto « SPSS Modeler ».
- Haga clic en la pestaña Activos para ver los conjuntos de datos y los flujos del modelador.
Comprueba tu progreso
La siguiente imagen muestra la pestaña Activos del proyecto. Ahora ya está listo para trabajar con el flujo del modelador de muestras asociado a este tutorial.
Tarea 2: Examinar los nodos «Data Asset» y «Type»
El modelado automatizado para un objetivo continuo incluye varios nodos. Siga estos pasos para examinar los nodos Data Asset y Type :
- En la pestaña Activos, abra el flujo del modelador Modelado automatizado para un objetivo continuo y espere a que se cargue el lienzo.
- Haga doble clic en el property_values_train.csv nodo. Este nodo es un nodo de activos de datos que apunta al property_values_train.csv archivo del proyecto.
- Revise las propiedades del formato de archivo.
- Opcional: Haga clic en Vista previa de datos para ver el conjunto de datos completo.
- Haga doble clic en el nodo Tipo.
- Para el campo taxable_value, establezca la función en Target. Otros campos se utilizan como predictores.
Figura 3. Establecer el nivel y la función de medición 
- Opcional: Haga clic en Vista previa de datos para ver el conjunto de datos filtrados.
Comprueba tu progreso
La siguiente imagen muestra el nodo Tipo. Ahora ya está listo para configurar el nodo Modelado.
Tarea 3: Configurar el nodo Modelado
Este ejemplo utiliza un nodo de modelado numérico automático que estima y compara modelos para probar diversos enfoques para un rango numérico continuo. Siga estos pasos para configurar el nodo Modelado :
- Haga doble clic en el nodo «valor imponible» para ver sus propiedades.
- Expanda la sección «Conceptos básicos » y configure las siguientes propiedades:
- Para los modelos de clasificación por campo, seleccione Correlación.
- En el campo Número de modelos que se van a utilizar, escriba
3. Esto significa que los tres mejores modelos se construirán cuando ejecutes el nodo.
Figura 4. Sección Conceptos básicos del nodo numérico automático 
- Expanda la sección Experto. Se seleccionan seis algoritmos, lo que da como resultado que el nodo estime un único modelo para cada algoritmo, lo que da un total de seis modelos. (También puede modificar esta configuración para comparar múltiples variantes para cada tipo de modelo). Como ha establecido la propiedad Número de modelos que se van a utilizar en
3en la sección Básicos, el nodo calcula la precisión de los seis algoritmos y crea un único nugget de modelo que contiene los tres más precisos.Figura 5. Nodo numérico automático Sección Experto 
- Expanda la sección Ensemble para ver la configuración predeterminada. Dado que en este ejemplo se utiliza un objetivo continuo, la puntuación del conjunto se genera promediando las puntuaciones de los modelos individuales.
Figura 6. Nodo numérico automático Sección de conjunto 
Comprueba tu progreso
La siguiente imagen muestra el nodo Modelado. Ahora ya está listo para comparar los modelos.
Tarea 4: Comparar los modelos
Ahora que ha especificado los tres modelos que desea crear, siga estos pasos para generar y comparar los modelos:
- Pase el cursor sobre el nodo taxable_value y haga clic en el icono
Ejecutar. - En el panel Resultados y modelos, haga clic en los resultados con el nombre taxable_value para ver los resultados.
Verás detalles sobre cada uno de los modelos que se crean durante la ejecución. (En una situación real, en la que se estiman cientos de modelos en un gran conjunto de datos, la ejecución del flujo puede tardar muchas horas) La tabla contiene un conjunto de modelos generados por el nodo Modelado.
- Para explorar más a fondo cualquiera de los modelos individuales, haga clic en el nombre de un modelo en la columna Estimador para ver los resultados individuales del modelo.
- Ver la página de información del modelo. Esta tabla contiene información sobre el tipo de modelo que se ajusta, identifica el campo objetivo, el número de características de entrada, las funciones de activación y el tamaño de la red resultante.
- Ver otras páginas del modelo.
- Cerrar los detalles del modelo.
De forma predeterminada, los modelos se ordenan por precisión (correlación) porque ha seleccionado la correlación como medida en las propiedades del nodo Numérico automático. A efectos de la clasificación, se utiliza el valor absoluto de la precisión, donde los valores más cercanos a 1 indican una relación más fuerte.
Puede ordenar una columna distinta pulsando en la cabecera de dicha columna.
En función de estos resultados, puede decidir utilizar los tres modelos más precisos. Al combinar las predicciones de múltiples modelos, se pueden evitar las limitaciones de los modelos individuales, lo que da como resultado una mayor precisión general.
- Verifique que los tres modelos estén seleccionados en la columna Usar.
- Cierre la ventana «View Model: taxable_value ».
Comprueba tu progreso
La siguiente imagen muestra la tabla comparativa de modelos. Ahora ya está listo para ejecutar el análisis del modelo.
Tarea 5: Ejecutar el nodo Análisis
Ahora que ha visto una comparación de los tres modelos, puede seguir estos pasos para ejecutar un análisis de los modelos:
- Pase el cursor sobre el nodo Análisis y haga clic en el icono Ejecutar.
- En el panel Resultados y modelos, haga clic en los resultados de salida con el nombre Análisis para ver los resultados.
La puntuación media generada por el modelo ensamblado se añade en un campo denominado
$XR-taxable_value, con una correlación de 0.934, que es superior a las puntuaciones de los tres modelos individuales. Las puntuaciones del conjunto también muestran un error absoluto medio bajo y podrían funcionar mejor que cualquiera de los modelos individuales cuando se aplican a otros conjuntos de datos.
Comprueba tu progreso
La siguiente imagen muestra la comparación de modelos desde el nodo Análisis.
Resumen
En este ejemplo de flujo de modelado automatizado para un objetivo de bandera, se ha utilizado el nodo Auto Numeric para comparar varios modelos diferentes, se han seleccionado los tres modelos más precisos y se han añadido al flujo dentro de un nugget de modelo Auto Numeric ensamblado.
El modelo ensamblado mostró un rendimiento superior al de dos de los modelos individuales y podría funcionar mejor cuando se aplique a otros conjuntos de datos. Si su objetivo es automatizar el proceso en la medida de lo posible, este enfoque le ayudará a obtener un modelo robusto en la mayoría de las circunstancias sin tener que profundizar en los detalles de ningún modelo en concreto.
Próximos pasos
Ahora ya estás listo para probar otros SPSS® Modeler tutoriales.