こんにちは、Maveryx！
先週のチャレンジの回答はこちらで見つけることができます。
Inspire 2024 グランプリのウィークリーチャレンジの 最終ラップへようこそ!このスリリングな旅のクライマックスに向けて、予測分析に関する課題を提示したいと思います。ウィークリーチャレンジではあまり取り上げられないこのトピックが、創造性の限界を押し上げることを約束します。深く掘り下げて、予測分析の専門知識を披露する準備をしましょう。
モデルのトレーニングには、日本、カタール、カタール・スプリントの予選ではなく、全レースのドライバー・レースの平均値のみを使用します。構築したモデルを使用して、シルバーストーンの完全なレースのデータを含むドライバーをスコア化し、表彰台に上がる可能性が最も高い3名を決定します。次に、シルバーストーンで実際に表彰台に上れなかったドライバーを特定します。
完全なレースデータを決定するためのレースごとの最小ラップ数は以下の通りです:
- 日本: 53
- カタール: 57
- カタール・スプリント：19
- シルバーストーン：52
目的を達成するためのタスクは次のとおりです。
- Japan_Qat_Quali_Sprint データセットを使用してトレーニング用データセットを作成します。上記の最小ラップ数を使用して、予選レースとフル レースを完了しなかったドライバーを除外するようにしてください。
- このトレーニング用データセットを使用してロジスティック回帰を構築し、ドライバーが表彰台で上位 3 位に入る可能性を推定します。
- 可能な予測子としてAvg変数のみを使用し、それ以外は使用しないでください。
- 最適な予測変数を決定するには、デフォルト設定のステップワイズツールを使用します。ステップワイズツールは、モデルの最終的なモデル変数を自動的に決定します。
- ステップワイズツールの出力を使用して、完全なレースデータを持つシルバーストーンのドライバーにスコアを付け、表彰台を獲得する可能性が高い上位 3 名を特定します。
- シルバーストーンでの表彰台獲得者の予測値と実際の表彰台獲得者を比較します。実際の表彰台に上がらなかったドライバーを見つけます。
ワークフロー内のヒントはご自由にお使いください。
復習が必要ですか？以下のアカデミーを見直してください。
検討を祈ります！
できました。
スポイラ
ステップワイズツール初めて使いました。試しにロジスティック回帰から直接つないでみたら、上位3名が全て一致していました。
この問題はステップワイズツールを使う例として良い例なのか、どうなのか？
この問題はステップワイズツールを使う例として良い例なのか、どうなのか？
