検証と重み付け私は約8500レコードのファイルを扱っていますが、そのうち約100レコードが共振変数Y、残りがNです。応答変数Yに対してパーティションモデルを実行し、次にさまざまなXファクタを追加します。 「回答」の数が比較的少ないことを考えると、このモデルを使用するときに2つ質問があります。
1）条件付き書式設定（新しい列の追加）を使用して、resolse変数に重みを付けますか？
2）検証部分には何パーセントを使用すればよいですか（20％、30％...）。
再検証と重み付け感度と特異度はおそらくより良い測定基準です。再検証と重み付けありがとう。 そして、あなたが相対的な合意を言うとき、あなたはそれをどの程度最良に評価しますか？トレーニングと検証の両方のための同じR2値？
トム
再検証と重み付け最適化しすぎないでください。そうしないと、検証セットがあふれてしまいます。 トレーニングセットと検証セットの間で相対的な合意が得られる設定を選択して、それを実行してください。
再検証と重み付け素晴らしい情報、それを取り入れます。 さまざまな検証比率を実行し、重み付けと重み付けなしの両方を実行したので、予想どおりに結果が少し変わります。 モデリングから最良の結果を選択するために、最も注意を払うべき統計的要因は何ですか。
再検証と重み付け @chris_kirchberg 、それは本当にクールだし、まさに私が念頭に置いていたことのようなものです。 今日何か新しいことを学びました。
再検証と重み付けまた、重み付けスキームとして利益マトリックスを含めることもできます。もう少し学ぶためにこのリンクを見なさい：
https://www.jmp.com/support/help/13-2/Specify_Profit_Matrix.shtml
それが役立つことを願っています。
クリス
再検証と重み付け私はおそらくあなたの状況に適した分類子が何であるかにかかっていると思いますが、私はおそらくそうするでしょう。 あなたがそれらを予測するのに十分な仕事をしていることを確認するために "Y"の応答を見逃すことに大きなペナルティがあることを確認したいなら、それは良い考えです。 私はこの分野の専門家ではありませんが、私はおそらくさまざまな重みで試して、混乱マトリックスへの影響を観察するでしょう。
再検証と重み付けありがとうキャメロン、
私は8つの要素から始めてそれを絞り込むことができます。 重み付けも提案しますか。
再検証と重み付けその合計サイズのために、私は70/30 ro 60/40分割をするでしょう。 両方試すことができます。 いくつの要因がありますか？
