Hola,
Soy super nuevo en el modelado predictivo, espero que alguien pueda ayudar.
Tengo un conjunto de datos que tiene 7 variables, 4 de las cuales son categóricas (2 nominales, 2 ordinales). He dividido mis datos en entrenamiento y validación. También tengo un "nuevo" conjunto de datos para el que quiero ejecutar mi modelo.
En mis particiones de entrenamiento / validación tengo la variable ordinal x1, tiene los siguientes valores: b, c, d, e, f. Me gustaría poder explicar la variable x1 que tiene los siguientes valores en el nuevo conjunto de datos: a, b, c, d, e, f, g, h, saber que a es mejor que b, y que g y h son peores que f. ¿Cuál es el mejor enfoque para hacer algo como esto? Pensé que tal vez podría crear columnas de variables ficticias adicionales para tener en cuenta los nuevos valores que estarán en el nuevo conjunto de datos, pero no funciona muy bien.
Además, tengo la variable nominal x2. La única información que tengo es que el valor "J" tiene un precio mayor que "ninguno". ¿Hay una manera de construir esto en un modelo? ¿Es la fórmula condicional el camino a seguir?
¡Gracias de antemano por cualquier ayuda!
Si entiendo su # 1 correctamente, X1 en su conjunto de datos de entrenamiento y validación no tiene niveles a, g y h, pero sí su "nueva" información. Si es así, no podría hacer predicciones con x1 a partir de los nuevos datos simplemente porque no tiene las estimaciones de X1a, Xg y X1h. Podría volver a dibujar al azar su entrenamiento y validación después de mezclar dos conjuntos de datos.
Con respecto al # 2, podría ingresar X2 en su modelo como una variable ordinal para tener en cuenta el ordenamiento, J vs. Ninguna. (Nota: la diferencia entre la codificación nominal y la codificación ordinal es solo la interpretación de las estimaciones de esa variable; no afecta las estimaciones de parámetros de otras variables, excepto la intersección o la bondad del ajuste).
