Meilleure approche pour adapter de grands ensembles de données<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Salut,
Dans de nombreux cas, j'essaie d'ajuster des ensembles de données dans lesquels les données sont segmentées en différents groupes. Dans le cas le plus simple, je souhaite simplement un ajustement linéaire sur un groupe de quelques dizaines de points de données, mais dans lequel le jeu de données comprend un grand nombre de tels groupes.
Dans le passé, j’avais utilisé la plate-forme bivariée, en effectuant Fit Y by X et en utilisant l’option "Group by ..." pour séparer les ajustements de chaque groupe. Cependant, pour les grands ensembles de données, l'ajustement est très lent et semble être une mauvaise approche. Une autre option consiste à utiliser la plate-forme Modèle d'ajustement et à utiliser l'option "Par" pour séparer les groupes, mais l'ajustement semble également assez lent.
Quelle est la meilleure stratégie pour adapter de grands ensembles de données? Quelles sont les meilleures méthodes pour ajuster efficacement de grands ensembles de données, en particulier lorsque les tracés de données brutes pour chaque ajustement ne sont pas nécessaires?
Re: meilleure approche pour adapter de grands ensembles de donnéessalut danly ,
Essayez à nouveau l’approche du modèle d’ajustement, mais avec votre variable de regroupement comme facteur dans le modèle plutôt que comme une variable 'Par'. Ajoutez également un terme dans le modèle pour une interaction entre la variable de regroupement et votre variable "X", c'est-à-dire quelque chose comme "X * Groupe". Les facteurs de votre modèle seraient donc «X», «Groupe» et «X * Groupe».
Lorsque vous utilisez l'option "Par", JMP s'adapte efficacement à un modèle distinct pour chaque groupe, ce qui sera lent. Si vous définissez le groupe en tant que facteur dans le modèle, JMP adaptera un modèle à l'ensemble du jeu de données et le résultat inclura une table des coefficients d'ajustement linéaires pertinents par groupe. Vous pourrez également comparer facilement si l'adéquation d'un groupe est sensiblement différente de celle d'un autre groupe, via la plate-forme Estimations -> Plusieurs comparaisons.
