Necesita un mejor recurso que la ayuda de JMP para explicar la partición<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Estoy viendo un conjunto de datos que tiene 250 filas y unas 60 columnas. Estoy intentando que Partition haga un primer análisis, para eliminar factores totalmente inútiles. La Ayuda de JMP explica lo que significa todo en la Ventana de inicio de partición, pero necesito algo más en profundidad para elegir los mejores valores para la Validación y otros parámetros. ¿Alguna recomendación?
Re: Necesito un mejor recurso que la Ayuda de JMP para explicar el ParticionamientoGracias. Muy útil ... tu consejo y el papel.
Jeff Kolton
Ingeniero de equipo
Excelencia Empresarial
Fibra de vidrio
940 Washburn Switch Rd.
Shelby, NC, EE. UU., 28150
Tel: 704-434-2261 ext. 2374
Correo electrónico: kolton@ppg.com < kolton="">
Web: www.ppg.com <>
Re: Necesito un mejor recurso que la Ayuda de JMP para explicar el ParticionamientoGracias. Buena lectura.
Jeff Kolton
Ingeniero de equipo
Excelencia Empresarial
Fibra de vidrio
940 Washburn Switch Rd.
Shelby, NC, EE. UU., 28150
Tel: 704-434-2261 ext. 2374
Correo electrónico: kolton@ppg.com < kolton="">
Web: www.ppg.com <>
Re: Necesito un mejor recurso que la Ayuda de JMP para explicar el ParticionamientoPara agregar a lo que mis estimados colegas Lou y Byron agregan arriba ... si tiene JMP Pro, y su identificación clave es su objetivo clave ... Sugiero que evalúe sus datos usando múltiples métodos basados en árboles disponibles dentro de JMP Pro. Pruebe la ruta del Árbol de decisiones, luego los métodos del Bosque de arranque y el Árbol potenciado. La belleza de estos dos últimos métodos es que, considerando todo, la ruta del Árbol de Decisión es lo que me gusta llamar un algoritmo "voraz", ya que, en cualquier división, identifica la variable más influyente. El bootstrapping y el embolsado que acompaña al enfoque de Bootstrap Forest es generalmente más hábil para identificar los factores influyentes más sutiles porque en ocasiones, debido a la selección aleatoria de columnas en el Bootstrap Forest, los factores MUY influyentes no se incluyen en la creación del árbol y esto da los factores más sutiles son una oportunidad de pelea para mostrar sus cosas.
También es posible que desee utilizar los métodos de regresión penalizados dentro de la plataforma de Regresión generalizada para la identificación de variables. Algoritmos completamente diferentes ... pero a menudo se usan para el mismo propósito ... identificación de variables.
Por último, no olvide guardar las ecuaciones de predicción del modelo en la tabla de datos para que pueda usar la plataforma de comparación de modelos JMP Pro para tener una 'ventanilla única' para evaluar el rendimiento de estos muchos modelos de una manera muy fácil de usar lado a lado. ..incluyendo perfil de predicción de JMP.
Re: Necesito un mejor recurso que la Ayuda de JMP para explicar el ParticionamientoSi solo está seleccionando variables, es posible que no necesite una columna de validación. Debería tener una columna de validación si está utilizando la validación cruzada de k-fold, o si está construyendo un modelo, pero no es del todo necesario para la reducción de factores.
Esperemos que tengas JMPv12. Vaya a la pestaña "Cols", Utilidades de modelado, Predictores de pantalla. Selecciona Xs e Y's y corre. Esta herramienta es ideal para hacer una reducción rápida del factor.
Referencia antigua pero buena sobre cómo funciona la partición: http://www.jmp.com/content/dam/jmp/documents/en/newsletters/jmper-cable/17_spring_2005.pdf
Re: Necesito un mejor recurso que la Ayuda de JMP para explicar el ParticionamientoHay un documento técnico en el sitio web de JMP y un enlace a un complemento útil que puede resultarle útil.
@ https://community.jmp.com/docs/DOC-7055
http://www.jmp.com/en_us/whitepapers/jmp/classification-breast-cancer-cells-using-jmp.html
Encontré algunos videos útiles también
https://community.jmp.com/docs/DOC-6806
https://community.jmp.com/docs/DOC-6805
