La columna de validación de creación de JMP 15 (con valores faltantes) no es la misma que JMP 14 cuando se usan volúmenes de estratificaciónAcabo de empezar a usar JMP 15 hoy. cuando intento que JMP 15 haga una columna de validación con columnas de estratificación (algunas columnas con valores faltantes), la nueva columna de validación creada no reconocerá el valor faltante y solo estratificará las filas sin valores faltantes.
pero JMP 14 no tuvo este tipo de resultado, estratificó las columnas solo por porcentaje, incluso con valores faltantes.
Mi pregunta es: ¿hay alguna forma en que pueda usar celdas / valores faltantes para dividir filas para mi conjunto de datos de validación?
¡Gracias!
Re: JMP 15 Crear columna de validación (con valores faltantes) no es lo mismo que JMP 14 cuando se usan volúmenes de estratificaciónPor ejemplo en JMP 15: para un conjunto de datos con 10000 filas y 10 columnas. Quiero hacer 2000 filas como conjunto de datos de validación, así que utilicé "Crear columnas de validación"> Se seleccionaron columnas de estratificación> 7 columnas (algunas de ellas tienen valores faltantes, por ejemplo, al menos un 10% de valor perdido antes de la imputación). en JMP 14, puedo obtener 2000 filas exactas como conjunto de datos de validación, pero en JMP 15, solo obtengo 7200 filas como entrenamiento y 1800 filas etiquetadas como validación. las 1000 filas son valores vacíos (ni etiquetados como entrenamiento o validación) ... así que tengo que volver a usar JMP 14 para hacer el conjunto de datos de validación ...
Re: JMP 15 Crear columna de validación (con valores faltantes) no es lo mismo que JMP 14 cuando se usan volúmenes de estratificaciónEstoy un poco confundido Las variables de destino tienen algunos valores faltantes, pero aún así desea formar su columna de validación estratificada por la variable de destino. ¿Es esto correcto? Si es así, ¿dónde quiere que vayan los valores faltantes? ¿Entrenamiento o validación? Creo que todavía quieres la división 80/20 de los valores faltantes, ¿correcto? Asumiré que este es el caso.
Piense en un escenario simple donde tiene un objetivo binario: 0 o 1, pero le faltan algunos valores. Desea que el 80% de sus datos entren en capacitación, el 20% en validación. Cuando se divide en entrenamiento y validación según el objetivo, está diciendo que desea una división 80/20 para todos los 0, una división 80/20 para todos los 1 y una división 80/20 para las faltas. Sin embargo, el objetivo faltante no se puede utilizar para la construcción del modelo. ¡No hay un objetivo para tratar de predecir! JMP ignorará las filas de destino que faltan, independientemente de la función de validación que se les haya asignado.
Sin embargo, aún puede asignar un rol de validación a los valores faltantes, si tiene alguna otra razón para hacerlo. Vaya a Analizar> Revisión> Explorar valores perdidos. Elija solo su columna de destino. Luego elija uno de los métodos de imputación. Realmente no importará cuál. Elegí la Imputación Normal Multivariada. Sus valores objetivo perdidos ahora tendrán un resultado, probablemente el mismo valor. ¡Asegúrese de mantener este informe abierto!
Ahora cree su columna de validación como lo haría normalmente, especificando el objetivo como su variable de estratificación. El tipo de columna de validación debe ser arreglado para que esto funcione. Tenga en cuenta que tiene valores imputados, por lo que no faltan valores y su columna de validación se completará completamente con los datos imputados. Regrese al informe Explorar valores perdidos y haga clic en el botón Deshacer en el área Informe de imputación. Esto eliminará los valores imputados de su variable objetivo, pero su columna de validación aún tendrá los valores de Entrenamiento y Validación completados.
Re: JMP 15 Crear columna de validación (con valores faltantes) no es lo mismo que JMP 14 cuando se usan volúmenes de estratificaciónDan
Gracias por su respuesta.
La variable objetivo no tiene valor perdido. o bien etiquetados como 0 o 1.
Quiero estratificar 2 o 3 variables de entrada / función (solo quiero asegurarme de que tren / validación tenga una distribución similar). Pero las variables de entrada tienen valores faltantes.
en JMP 14, puedo estratificar las variables objetivo + característica (con valores faltantes) y obtener la columna de validación sin valor perdido.
Pero nuevo JMP 15, las columnas de validación con valores faltantes debido a varias celdas faltantes de variables de características.
Re: JMP 15 Crear columna de validación (con valores faltantes) no es lo mismo que JMP 14 cuando se usan volúmenes de estratificaciónEl enfoque que describí aún debería funcionar, incluso si se estratifica por variables de entrada. Pero, ¿por qué estás estratificando en base a una entrada? El modelado es cuidar la relación entre las entradas y las salidas para que la estratificación basada en las entradas no sea necesaria o incluso deseada. (Sé que en algunos casos muy raros estratificas en el objetivo y una entrada, pero eso es solo en situaciones donde tienes cuasi separación). El entrenamiento y la validación generalmente solo se estratifican en los objetivos. Si insiste en estratificar en función de las entradas, asegúrese de estratificar también en función de su objetivo. La conclusión es que el enfoque que describí aún debería funcionar, incluso si las columnas de estratificación son entradas.
Re: JMP 15 Crear columna de validación (con valores faltantes) no es lo mismo que JMP 14 cuando se usan volúmenes de estratificaciónDan
Gracias de nuevo por compartir. Es útil.
Personalmente, creo que es un error para JMP 15 que compara JMP 14.
Columna de estratificación S La función debe considerar los valores faltantes existentes para las variables de entrada.
JMP14 tiene esta función, pero JMP 15 no.
Re: JMP 15 Crear columna de validación (con valores faltantes) no es lo mismo que JMP 14 cuando se usan volúmenes de estratificaciónPersonalmente, no creo que sea un error, sino una corrección de un descuido en v14, pero esa es solo mi opinión. Debe informar esto al Soporte técnico de JMP. Eso hará que los desarrolladores sugieran un posible error y una característica que deseen tener en cuenta para futuras versiones.
