Hi,
Ich bin super neu in der Vorhersagemodellierung, ich hoffe, jemand kann helfen.
Ich habe einen Datensatz mit 7 Variablen, von denen 4 kategorial sind (2 nominal, 2 ordinal). Ich habe meine Daten in Training und Validierung unterteilt. Ich habe auch einen "neuen" Datensatz, für den ich mein Modell ausführen möchte.
In meinen Trainings-/Validierungspartitionen habe ich die Ordinalvariable x1, sie hat die folgenden Werte: b, c, d, e, f. Ich möchte in der Lage sein, die Variable x1 mit den folgenden Werten im neuen Datensatz zu berücksichtigen: a, b, c, d, e, f, g, h, wobei ich weiß, dass a besser als b ist und g und h schlechter sind als f. Was ist der beste Ansatz, um so etwas zu tun? Ich könnte vielleicht zusätzliche Dummy-Variablenspalten erstellen, um die neuen Werte zu berücksichtigen, die im neuen Datensatz enthalten sein werden, aber es funktioniert nicht sehr gut.
Außerdem habe ich nominale Variable x2. Die einzige Information, die ich habe, ist, dass der Wert "J" einen höheren Preis verlangt als "none". Gibt es eine Möglichkeit, dies in ein Modell einzubauen? Ist die bedingte Formel der richtige Weg?
Vielen Dank im Voraus für jede Hilfe!
Wenn ich Ihre Nr. 1 richtig verstehe, hat X1 in Ihrem Trainings- und Validierungsdatensatz keine Ebenen a, g und h, Ihre "neuen" Daten jedoch.In diesem Fall könnten Sie aus den neuen Daten keine Vorhersagen mit x1 treffen, einfach weil Sie die Schätzungen für X1a, Xg und X1h nicht haben. Sie könnten Ihr Training und Ihre Validierung zufällig neu zeichnen, nachdem Sie zwei Datensätze gemischt haben.
In Bezug auf Nr. 2 könnten Sie X2 als ordinale Variable in Ihr Modell eingeben, um die Reihenfolge J vs. None zu berücksichtigen. (Hinweis: Der Unterschied zwischen nominaler Codierung und ordinaler Codierung besteht lediglich in der Interpretation der Schätzungen dieser Variablen; er wirkt sich nicht auf die Parameterschätzungen anderer Variablen aus, mit Ausnahme des Achsenabschnitts oder der Anpassungsgüte.)
