¿Cómo interpretar los resultados de Predictor Screening? ¿Es esto general?¡Hola!
Soy estudiante de maestría en bioingeniería y actualmente estoy trabajando en mi tesis, que incluye mucho procesamiento de datos. Tengo 66 características de una señal en aproximadamente 248 ventanas (cada 5 segundos), que son la entrada de mi clasificador. La salida es el nivel de un síntoma específico, una variable ordinal. Quería aplicar la 'selección de características' antes de la clasificación porque quiero saber qué parámetros físicos se correlacionan bien con el síntoma.
Estaba pensando en usar la opción de "evaluación predictiva" de JMP. Pero para hacer esto, necesito entender 2 cosas adicionales.
- ¿Se puede utilizar esta 'selección de predictores' como una herramienta general de selección de características? Después de la selección de funciones, quiero probar diferentes clasificadores, no solo el bosque de árboles de arranque (que se usa en la herramienta de detección de predictores).
- ¿Cómo interpreto exactamente el nivel de 'contribución' del resultado de la detección de predictores? He encontrado mucha información confusa sobre esto.
Observación adicional; Si tiene alguna otra idea para la selección de características, ¡hágamelo saber! 
Que tenga un lindo día,
ben
Re: ¿Cómo interpretar los resultados de Predictor Screening? ¿Es esto general?La plataforma Predictor Screening es una de las muchas que se pueden usar para la selección de variables... de hecho, casi cualquier plataforma de modelado en JMP/JMP Pro se puede usar para la selección de variables. Cada uno tiene su lugar en el sol. Sugiero leer la documentación de JMP para varias plataformas, como Stepwise, Partition, Partial Least Squares y si tiene JMP Pro... y parece que lo tiene... Bootstrap Forest y Boosted Tree. O las subpersonalidades de Elastic Net o Adaptive Lasso en la personalidad de la plataforma de Regresión Generalizada...
Pero primero... ¿cuánto tiempo y esfuerzo ha invertido en comprender el comportamiento del proceso Y la genealogía de los datos en sí? La razón por la que pregunto es digamos que los resultados de la plataforma Predictor Screening van en contra de las leyes conocidas de la medicina (¿suena como si tuviera una aplicación médica?) Por ejemplo, si el informe de la plataforma sugiere que el aumento del tabaquismo conduce a una disminución de la probabilidad de cáncer de pulmón... bueno, algo anda mal. ¿O la calidad de los datos? Falta, valores atípicos, valores sin sentido, estructura multicolineal multivariante oculta o menos que obvia en los datos? Todos estos problemas pueden causar estragos en el modelado. Por lo tanto, recomiendo PRIMERO pasar tiempo en este espacio con plataformas desde la buena plataforma de distribución tradicional (para una visión univariada del mundo) hasta las plataformas Explore Outliers/Missing Values y Principle Components para ayudar a asegurar que tenga alta calidad, razonable , datos para predictores Y respuestas. El último paso aquí es pensar en su estrategia de validación de modelos. Para problemas de tipo de selección de variables, recomiendo usar la construcción de validación Train/Validation/Test disponible en la plataforma JMP Pro Make Validation.
¡Buena suerte!
