72353_es-ES

liliconcom

Análisis discriminante vs. Predictor Screening: diferentes hits del mismo conjunto de datos; ¿por qué?

Hola Comunidad JMP,

 

Primero, permítame disculparme por no compartir datos y resultados reales: actualmente estoy trabajando en conjuntos de datos confidenciales que no he tenido tiempo de anonimizar.

 

Me gustaría comprender mejor las diferencias entre la plataforma de análisis discriminante y la plataforma de detección de predictores. Entiendo que estos representan diferentes enfoques con diferentes supuestos pero, si una combinación de variables continuas obtuviera una puntuación alta en la plataforma Predictor Screening, sería razonable esperar que al menos algunas de las mismas variables sean seleccionadas por la plataforma de Análisis Discriminante (Paso a Paso Selección de variables)?

 

En otras palabras, si los resultados principales del Análisis discriminante y el Análisis de predicción son en su mayoría diferentes, ¿sugiere fuertemente que ninguna de las variables ingresadas en estos modelos está realmente asociada con el resultado?

 

Gracias por tu ayuda.

 

Sinceramente,

 

TS

Re: Análisis discriminante vs. Predictor Screening: diferentes hits del mismo conjunto de datos; ¿por qué?Estas técnicas son muy diferentes con diferentes suposiciones.

La detección de predictores es un bosque aleatorio, que es una serie de modelos de árboles. No hay supuestos distributivos.

El análisis discriminante es una técnica multivariada que es bastante sensible al supuesto de normalidad. Además, pueden requerirse tamaños de muestra grandes para estimar algunos modelos discriminantes (cuadráticos, regularizados, etc.)

¿Cuál es mejor y "correcto" para ti? ¿Quién sabe? Compruebe los supuestos de cerca. Si los datos son grandes, ¿podría realizar el análisis en múltiples subconjuntos (que es lo que hace automáticamente la detección de predictores)?

Para citar a George Box, todos los modelos están equivocados, ya que son útiles. Busca algo que sea útil.