Sto studiando le espressioni del gene RNA in varie malattie e sto usando JMP Pro 14 per la modellazione. Desidero come controllo modellare un gruppo di controllo di geni di controllo (geni di casa, che non variano a seconda delle condizioni). Usando regressione logistica nominale, bayes naive e partizione, ho ottenuto risultati negativi consistenti (area ROC ~ 0,45 -0,55) in entrambi i set di training e validazione. Ma la foresta di bootstrap mi ha dato alti ROC> 0,8 nell'allenamento e ~ 0,5 nella convalida. Mi è sembrato strano. Così ho creato un database sintetico di 100 righe: Risposta = sì o no, N = 50 ciascuna. Ho creato tre colonne di numeri casuali, oltre a una colonna di convalida impilata in modo che metà del sì o del no fosse la formazione di convalida. Anche in questo caso la regressione logistica nominale, gli bayes naive e la partizione hanno fornito le aree ROC di circa 0,5 come previsto. Ma la foresta di bootstrap ha dato un'area ROC di 0,82 e l'area ROC di validazione di 0,48. Ho usato le impostazioni della foresta di bootstrap come suggerito nella documentazione dell'utente. Ho giocherellato con questi senza ovvi effetti. Perché la foresta di boostrap produce un'area ad alto ROC per un set di addestramento di numeri casuali? Le mie impostazioni sono errate? Grazie. Neal.
Ti suggerisco di inviare una email a support@jmp.com indirizzandoli a questo thread. Dovresti anche menzionare il numero di versione di JMP che stai utilizzando.
