Sto usando PLS, insieme a diverse altre tecniche per prevedere i risultati di {0, 1}. La regressione logistica salverà le formule di previsione come previsto. Così LASSO e altre tecniche di regolarizzazione. Queste colonne sono sempre nell'intervallo di (0, 1). Quando uso PLS posso salvare la colonna del predittore lineare (Pred Formula). Poiché JMP tratta i dati {0, 1} come continui, otteniamo predittori lineari (li chiamiamo LP) che si trovano al di fuori dell'intervallo (0, 1). Cioè, alcuni sono negativi e alcuni sono> 1. La mia prima inclinazione era di fare esattamente quello che faccio per gli altri modelli e mettere il predittore lineare nella funzione logit per arrivare a un punteggio di probabilità. Se lo facciamo per PLS avremo sempre i nostri punteggi di probabilità spremuti in una piccola regione intorno a 0,5. Supponiamo che la gamma dinamica di La gamma dinamica degli LP sia [LP_Min, LP_Max]. Le probabilità si troveranno nell'intervallo
[1 / (1 + exp (-LP_Min)), 1 / (1 + exp (-LP_Max)).
Confrontando i risultati di previsione, ad esempio di LASSO e PLS, il cliente prende immediatamente la conclusione che LASSO è migliore perché sembra che sia meglio distinguere tra 0 e 1 semplicemente perché i punteggi di probabilità hanno una gamma dinamica più ampia.
Quindi alla fine la domanda. Dovremmo rimanere con gli LP e magari censurare i valori negativi e> 1 su 0 e 1 rispettivamente. O dovremmo sca; e gli LP in modo che abbiano la stessa gamma dinamica. Apprezzo che ciò che importa sia davvero la statistica dei ranghi, ma vale la pena sapere che quando si tenta di confrontare PLS con altri metodi logistici uno (io, in particolare) potrebbe essere inizialmente confuso sul motivo per cui PLS ha un intervallo dinamico così ristretto.
