237369_it-IT

liliconcom

PLS con risposta categoriale

È necessario eseguire una demo di JMP Pro la prossima settimana per un cliente interessato a PLS con risposta categoriale (binomiale).Qualcuno ha un buon set di dati per dimostrarlo?Tutti i set di dati PLS che ho trovato finora implicano risposte numeriche.

 

Grazie,

Segno

Re: PLS con risposta categoriale

Aggiorna a questo thread.Ho notato un problema con PLS durante la modellazione di risposte categoriali in cui la formula di previsione salvata nel datatable non ha la proprietà della colonna Probabilità di risposta.Di conseguenza, non è possibile confrontare il modello PLS con altri modelli di classificazione in Model Comparison.Potrebbe esserci una ragione specifica per questo, ma non sono ancora consapevole di quale potrebbe essere.Aggiornerò questo thread con ciò che ho appreso dal supporto tecnico in merito a questo problema.

Re: PLS con risposta categorialeabbastanza giusto Re: PLS con risposta categorica

La curva ROC in realtà contiene entrambi i tipi di errore che puoi vedere su un tasso di classificazione errata, è semplicemente espressa in modo diverso. La forma della curva ROC consente di determinare quale tipo di errore (se uno dei due) è un errore "migliore" da commettere.

Il problema con le classificazioni errate è che le classificazioni errate non sono molto sensibili. In altre parole, non tiene conto delle probabilità di un evento. Considera due modelli: modello 1 e modello 2. Per una determinata condizione, il Modello 1 prevede una probabilità del 95% che l'evento si verifichi mentre il Modello 2 prevede il 55%. Per quella condizione entrambi i modelli classificherebbero quell'osservazione allo stesso modo, ma uno è molto più "certo" del risultato rispetto all'altro. I criteri di informazione come AICc e BIC sono metriche del modello più sensibili.

 

Non sto dicendo che non userei la classificazione errata, ma due modelli che hanno lo stesso tasso di classificazione errata non sono necessariamente uguali.

Re: PLS con risposta categoriale

Solo un'altra opinione: so che le curve ROC sono un bel modo per confrontare i modelli. Tuttavia, per le risposte binomiali, mi piace guardare di più ai tassi di classificazione errata e in particolare a come omogenei gli errori sono distribuiti all'errore 1 rispetto all'errore 2. Come mai? un modello che predice perfettamente un livello e l'altro quasi a causa di eventi più o meno rari potrebbe comunque sembrare migliore di un altro modello guardando solo la curva ROC, credo (@statistici, correggetemi se sbaglio, sono solo un matematico ).

Detto questo, ottieni un modello che dice semplicemente che tutte le previsioni danno come risultato un livello e ottiene solo alcune previsioni di errore 1. Potrebbe esserci un modello che prevede più errori in senso assoluto, ma stanno prevedendo entrambi i livelli di bene. Questo modello potrebbe non essere buono come l'altro modello da una curva ROC o anche il puro tasso di errata classificazione, ma lo sceglierei comunque perché probabilmente è più vicino alla realtà.

 

Re: PLS con risposta categoriale

@Dan_Obermiller
Sono d'accordo con il tuo scherzo, ma il problema sarebbe se devono scrivere uno script personalizzato per farlo, non fornisce un motivo convincente per adottare JMP Pro oltre a Python.

Attualmente sto considerando la piattaforma Discriminant come una potenziale opzione che ha la diagnostica ROC che il cliente è abituato a vedere, ma sto cercando di capire i pro/contro tra quella e la piattaforma PLS all'interno di Fit Model. Aggiungendo ulteriore complessità, il cliente desidera anche includere termini incrociati che Discriminant non supporta ma lo fa PLS-DA. uff...

Re: PLS con risposta categoriale

Bene, ovviamente puoi farlo in Python perché è un linguaggio di programmazione. Allo stesso modo, puoi farlo in JMP tramite script. Ok, ora che ho tolto di mezzo la mia "irritabilità"...

 

Speravo che tu potessi salvare la formula di previsione da PLS-DA e ottenere la curva ROC attraverso la piattaforma di confronto dei modelli. Sfortunatamente, sembra che il formato per la formula di previsione PLS-DA non funzioni bene con la piattaforma di confronto dei modelli. Sembra che la curva ROC debba essere creata tramite script.

Re: PLS con risposta categoriale

Grazie a tutti, molto utile! Il cliente (NeuroVision) chiede anche se è possibile ottenere una curva diagnostica ROC da PLS? Sembra che non sia un'opzione, ma c'è un modo per farlo e anche qual è il motivo per cui non è un'opzione per PLS con risposte categoriali?Apparentemente stanno usando Python per ottenere questo tipo di risultato e vorrebbero che JMP Pro facesse qualcosa di simile.

Re: PLS con risposta categoricain realtà, scusa mi sono appena reso conto che il set di dati non è binomiale, ci sono più categorie.Re: PLS con risposta categoriale

Funzionerebbe anche qualsiasi set di dati di analisi discriminante di esempio nella libreria di campioni.

Il set di dati "Dieta del gufo" è semplice da comprendere e da utilizzare attraverso i concetti di PLS-DA.

Re: PLS con risposta categorialeVorrei essere stato coinvolto nella scrittura del libro PSL, ma è puramente il prodotto di Marie Gaudard e Ian Cox.Re: PLS con risposta categoriale

Sei curioso di sapere se qualcuno può aiutarmi a spiegare le applicazioni per PLS vs. Gen Reg (con convalida)?Perché si dovrebbe usare PLS su Gen Reg?O vice versa?  

Re: PLS con risposta categoriale

Ricordati di menzionare l'eccellente libro su PLS usando JMP di Mia e Ian!

Re: PLS con risposta categoriale

Ciao Mark,

 

Aggiungendo solo un esempio che ho usato da una situazione del settore della scienza / ingegneria.

 

Questo viene da un laboratorio di chimica analitica forense. I prodotti a marchio dell'azienda sono venduti in tutto il mondo. A volte il prodotto contraffatto viene venduto come loro. Quando hanno reclami da parte dei clienti, devono stabilire rapidamente se si tratta del loro prodotto o di un contraffatto. Tradizionalmente questo viene fatto testando un campione con molti test chimici diversi nel corso dei giorni. Questo costa molto in laboratorio e significa che i problemi dei clienti impiegano troppo tempo per essere risolti.

 

La soluzione consiste nell'utilizzare l'analisi dei dati su un'analisi chimica rapida che genera molti dati.

 

In allegato, le colonne RT rappresentano l'area del picco a tempi di ritenzione diversi dai cromatogrammi. Ogni picco è un'entità chimica diversa. E l'area è proporzionale alla quantità di quell'entità nel campione.

 

Mostro come diverse tecniche visive e di modellazione ti permettano di comprendere le differenze tra le 3 fonti e come potresti determinare quale sia la fonte per un'incognita. PLS sarebbe una delle opzioni.

 

Spero possa aiutare.

Fil

Re: PLS con risposta categoriale

Nel file zip allegato c'è un diario che confronta PCA e PLS. All'interno c'è un set di dati sulla tigre Amour che ha una risposta categorica.

C'è una descrizione coinvolta e anche altri esempi. Immagino che questo dovrebbe aiutare con quello che stai cercando. Devi controllare se tutto funziona in JMP 15 perché non l'ho controllato. da qualche tempo