186726_de-DE

liliconcom

Wie sind die Ergebnisse des Predictor Screening zu interpretieren und ist dies allgemein

Hi!

Ich bin Masterstudent in Bio-Engineering und arbeite gerade an meiner Diplomarbeit, die viel Datenverarbeitung beinhaltet. Ich habe 66 Merkmale eines Signals in etwa 248 Fenstern (je 5 Sekunden), die die Eingabe meines Klassifikators sind. Die Ausgabe ist das Niveau eines bestimmten Symptoms, eine ordinale Variable. Ich wollte die „Merkmalsauswahl“ vor der Klassifizierung anwenden, weil ich wissen möchte, welche körperlichen Parameter gut mit dem Symptom korrelieren.

 

Ich habe darüber nachgedacht, die Option "Prädiktor-Screening" von JMP zu verwenden. Aber dazu muss ich 2 zusätzliche Dinge verstehen.

- Kann dieses „Prädiktor-Screening“ als allgemeines Werkzeug zur Merkmalsauswahl verwendet werden? Nach der Funktionsauswahl möchte ich verschiedene Klassifikatoren ausprobieren, nicht nur den Bootstrap-Baumwald (der im Prädiktor-Screening-Tool verwendet wird).

- Wie interpretiere ich genau die „Beitrags“-Ebene der Ausgabe des Prädiktor-Screenings? Ich habe viele verwirrende Informationen darüber gefunden.

 

Extrabemerkung; Wenn Sie weitere Ideen für die Funktionsauswahl haben, lassen Sie es mich wissen!

Einen schönen Tag noch,

Ben

Betreff: Wie interpretiert man die Ergebnisse des Predictor Screening und ist dies allgemein

Die Predictor Screening-Plattform ist eine von vielen, die für die Variablenauswahl verwendet werden können ... tatsächlich kann fast jede Modellierungsplattform in JMP/JMP Pro für die Variablenauswahl verwendet werden. Jeder hat seinen Platz in der Sonne. Ich schlage vor, die JMP-Dokumentation für verschiedene Plattformen wie Stepwise, Partition, Partial Least Squares zu lesen, und wenn Sie JMP Pro haben ... und es klingt so, als hätten Sie ... Bootstrap Forest und Boosted Tree. Oder die Unterpersönlichkeiten „Elastic Net“ oder „Adaptive Lasso“ in der Persönlichkeit der Plattform „Generalized Regression“ …

 

Aber zuerst ... wie viel Zeit und Mühe haben Sie investiert, um das Prozessverhalten UND die Genealogie der Daten selbst zu verstehen? Der Grund, warum ich frage, ist, sagen wir einfach, die Ergebnisse der Predictor Screening-Plattform widersprechen den bekannten Gesetzen der Medizin (klingt, als hätten Sie eine medizinische Anwendung???)? Wenn zum Beispiel der Plattformbericht darauf hindeutet, dass vermehrtes Rauchen zu einer geringeren Wahrscheinlichkeit von Lungenkrebs führt … dann stimmt etwas nicht. Oder Datenqualität? Fehlende, Ausreißer, unsinnige Werte, versteckte oder weniger als offensichtliche multivariate multikollineare Struktur in den Daten? All diese Probleme können verheerende Auswirkungen auf die Modellierung haben. Daher empfehle ich, ZUERST Zeit in diesem Bereich mit Plattformen zu verbringen, von der guten altmodischen Vertriebsplattform (für eine univariate Sicht auf die Welt) bis hin zu den Plattformen „Explore Outliers/Missing Values“ und „Principal Components“, um sicherzustellen, dass Sie eine hohe und angemessene Qualität haben , Daten für Prädiktoren UND Antworten. Der letzte Schritt hier ist, über Ihre Modellierungsvalidierungsstrategie nachzudenken. Bei Problemen mit der Auswahl von Variablen empfehle ich die Verwendung des Validierungskonstrukts „Train/Validation/Test“, das in der JMP Pro Make Validation-Plattform verfügbar ist.

 

Viel Glück!