예측자 선별 결과를 해석하는 방법과 이것이 일반적입니다.안녕하세요!
저는 생명 공학 석사 학생이며 현재 많은 데이터 처리를 포함하는 논문을 작성하고 있습니다. 내 분류기의 입력인 약 248개의 창(각 5초)에 66개의 신호 기능이 있습니다. 출력은 특정 증상의 수준인 서수 변수입니다. 어떤 신체적 매개변수가 증상과 잘 연관되는지 알고 싶어서 분류하기 전에 '특징 선택'을 적용하고 싶었습니다.
JMP의 '예측자 선별' 옵션을 사용하려고 생각하고 있었습니다. 하지만 이렇게 하려면 2가지 추가 사항을 이해해야 합니다.
- 이 '예측기 스크리닝'을 일반 기능 선택 도구로 사용할 수 있습니까? 기능 선택 후 부트스트랩 트리 포레스트(예측자 선별 도구에서 사용됨)뿐만 아니라 다른 분류기를 시도하고 싶습니다.
- 예측자 선별 결과의 '기여도' 수준을 정확히 어떻게 해석합니까? 나는 이것에 대해 많은 혼란스러운 정보를 찾았습니다.
추가 설명; 기능 선택에 대한 다른 아이디어가 있으면 알려주세요! 
좋은 하루 되세요,
벤
Re: Predictor Screening 결과를 해석하는 방법과 이것이 일반적입니다.예측자 선별 플랫폼은 변수 선택에 사용할 수 있는 많은 플랫폼 중 하나입니다. 사실 JMP/JMP Pro의 거의 모든 모델링 플랫폼을 변수 선택에 사용할 수 있습니다. 각각은 태양 아래에서 자신의 위치가 있습니다. Stepwise, Partition, Partial Least Squares와 같은 다양한 플랫폼에 대한 JMP 설명서를 읽어 보시기 바랍니다. JMP Pro가 있다면...Bootstrap Forest 및 Boosted Tree가 있는 것처럼 들립니다. 또는 일반화 회귀 플랫폼 특성의 Elastic Net 또는 적응형 Lasso 하위 특성...
그러나 먼저...프로세스 동작과 데이터 자체의 계보를 이해하는 데 얼마나 많은 시간과 노력을 투자했습니까? 내가 묻는 이유는 예측자 스크리닝 플랫폼의 결과가 알려진 의학 법칙에 위배된다고 가정해 봅시다(의료 응용 프로그램이 있는 것처럼 들리나요???)? 예를 들어, 플랫폼 보고서에서 흡연 증가가 폐암 확률 감소로 이어진다고 제안한다면...음, 뭔가 잘못된 것입니다. 아니면 데이터 품질? 누락, 이상치, 넌센스 값, 숨겨진 또는 데이터의 명백한 다변량 다공선 구조보다 적습니까? 이러한 모든 문제는 모델링에 큰 피해를 줄 수 있습니다. 따라서 좋은 구식 배포 플랫폼(세상에 대한 일변량 보기용)에서 이상치/누락된 값 탐색 및 기본 구성 요소 플랫폼에 이르는 플랫폼을 사용하여 이 공간에서 시간을 보내는 것이 좋습니다. , 예측 변수 및 응답에 대한 데이터. 여기서 마지막 단계는 모델링 검증 전략에 대해 생각하는 것입니다. 변수 선택 유형 문제의 경우 JMP Pro Make Validation 플랫폼에서 사용할 수 있는 학습/검증/테스트 검증 구조를 사용하는 것이 좋습니다.
행운을 빌어요!
