判別分析與 預測器篩選：來自相同數據集的不同命中;為什麼？嗨JMP社區，
首先，讓我為不共享實際數據和結果而道歉：我正在處理我沒有時間匿名化的敏感數據集。
我想更好地理解判別分析平台和預測篩選平台之間的差異。我知道這些代表了不同假設的不同方法，但是，如果連續變量的組合在預測篩選平台中獲得高分，那麼可以合理地預期判別分析平台至少會選擇一些相同的變量（逐步）變量選擇）？
換句話說，如果判別分析和預測篩選的最高命中率大多不同，那麼它是否強烈暗示這些模型中輸入的變量實際上與結果無關？
謝謝您的幫助。
此致
TS
回复：判別分析vs. 預測器篩選：來自相同數據集的不同命中;為什麼？這些技術在不同的假設下非常不同。
預測器篩選是一個隨機森林，它是一系列樹模型。沒有分配假設。
判別分析是一種多變量技術，對正態假設非常敏感。另外，估計一些判別模型（二次，正則化等）需要大樣本量。
哪個最好，對你而言“正確”？誰知道？仔細檢查假設。如果數據很大，您是否可以對多個子集執行分析（這是預測器篩選自動執行的操作）？
引用George Box，所有模型都是錯誤的，因為它們很有用。尋找有用的東西。
