237369_fr-FR

liliconcom

PLS avec réponse catégorique

Besoin de faire une démonstration JMP Pro la semaine prochaine pour un client intéressé par PLS avec une réponse catégorique (binomiale).Quelqu'un a-t-il un bon ensemble de données pour en faire la démonstration ?Tous les ensembles de données PLS que j'ai trouvés jusqu'à présent impliquent des réponses numériques.

 

Merci,

Marquer

Re : PLS avec réponse catégorique

Mise à jour de ce fil.J'ai remarqué un problème avec PLS lors de la modélisation de réponses catégorielles où la formule de prédiction enregistrée dans la table de données n'a pas la propriété de colonne Response Probability.Par conséquent, il n'est pas possible de comparer le modèle PLS avec d'autres modèles de classification dans la comparaison de modèles.Il peut y avoir une raison spécifique à cela, mais je ne sais pas encore ce que cela pourrait être.Je mettrai à jour ce fil avec ce que j'apprends du support technique concernant ce problème.

Re : PLS avec réponse catégoriqueassez juste Re : PLS avec réponse catégorique

La courbe ROC contient en fait les deux types d'erreur que vous pouvez voir sur un taux de mauvaise classification, elle est simplement exprimée différemment. La forme de la courbe ROC vous permet de déterminer quel type d'erreur (le cas échéant) est une "meilleure" erreur à commettre.

Le problème avec les erreurs de classification est que les erreurs de classification ne sont pas très sensibles. En d'autres termes, il ne tient pas compte des probabilités d'un événement. Considérons deux modèles : le modèle 1 et le modèle 2. Pour une condition donnée, le modèle 1 prédit une probabilité de 95 % que l'événement se produise, tandis que le modèle 2 prédit 55 %. Pour cette condition, les deux modèles catégoriseraient cette observation de la même manière, mais l'un est beaucoup plus "certain" du résultat que l'autre. Les critères d'information tels que AICc et BIC sont des métriques de modèle plus sensibles.

 

Je ne dis pas que je n'utiliserais pas d'erreur de classification, mais deux modèles qui ont le même taux d'erreur de classification ne sont pas nécessairement égaux.

Re : PLS avec réponse catégorique

Juste un autre avis : je sais que les courbes ROC sont un bon moyen de comparer des modèles. Cependant, pour les réponses binomiales, j'aime regarder davantage les taux d'erreur de classification et surtout l'homogénéité des erreurs réparties entre l'erreur 1 et l'erreur 2. Pourquoi? un modèle qui prédit parfaitement un niveau et l'autre presque à cause d'événements plus ou moins rares, il pourrait encore sembler meilleur qu'un autre modèle regardant la courbe ROC seule, je crois (@statisticiens, corrigez-moi si je me trompe, je suis juste un mathématicien ).

Cela dit, vous obtenez un modèle qui indique simplement que toutes les prédictions aboutissent à un niveau et n'obtient que quelques prédictions d'erreur 1. Il pourrait y avoir un modèle qui prédit plus d'erreurs dans un sens absolu, mais ils prédisent les deux niveaux plutôt bien. Ce modèle n'est peut-être pas aussi bon que l'autre modèle à partir d'une courbe ROC ou du taux de mauvaise classification pur, mais je le choisirais quand même car il est probablement plus proche de la réalité.

 

Re : PLS avec réponse catégorique

@Dan_Obermiller
Je suis d'accord avec votre snark mais le problème serait que s'ils doivent écrire un script personnalisé pour le faire, cela ne donne pas une raison aussi convaincante d'adopter JMP Pro en plus de Python.

Je considère actuellement la plate-forme discriminante comme une option potentielle qui a le diagnostic ROC que le client a l'habitude de voir, mais j'essaie de comprendre les avantages/inconvénients entre cela et la plate-forme PLS dans Fit Model. Ajoutant une complexité supplémentaire, le client souhaite également inclure des termes croisés que Discriminant ne prend pas en charge, mais que PLS-DA prend en charge. Ouf...

Re : PLS avec réponse catégorique

Bien sûr, vous pouvez le faire en Python car c'est un langage de programmation. De la même manière, vous pouvez le faire dans JMP via des scripts. D'accord, maintenant que j'ai éliminé mes "snarkiness"...

 

J'espérais que vous pourriez enregistrer la formule de prédiction de PLS-DA et obtenir la courbe ROC via la plate-forme de comparaison de modèles. Malheureusement, il semble que le format de la formule de prédiction PLS-DA ne fonctionne pas bien avec la plateforme de comparaison de modèles. Il semble que la courbe ROC devrait être construite via des scripts.

Re : PLS avec réponse catégorique

Merci à tous, très utile! Le client (NeuroVision) demande également s'il est possible d'obtenir une courbe de diagnostic ROC de PLS ? On dirait que ce n'est pas une option, mais existe-t-il un moyen détourné de le faire et quel est le raisonnement pour lequel ce n'est pas une option pour PLS avec des réponses catégorielles ?Apparemment, ils utilisent Python pour obtenir ce type de résultat et aimeraient que JMP Pro fasse quelque chose de similaire.

Re : PLS avec réponse catégoriqueen fait, désolé, je viens de réaliser que l'ensemble de données n'est pas binomial, il y a plusieurs catégories.Re : PLS avec réponse catégorique

N'importe lequel des exemples d'ensembles de données d'analyse discriminante dans la bibliothèque d'échantillons fonctionnerait également.

L'ensemble de données "Owl Diet" est simple à comprendre et à utiliser les concepts de PLS-DA.

Re : PLS avec réponse catégoriqueJ'aurais aimé participer à l'écriture du livre PSL, mais c'est purement le produit de Marie Gaudard et Ian Cox.Re : PLS avec réponse catégorique

Curieux de savoir si quelqu'un peut m'aider à expliquer les applications pour PLS vs. Gen Reg (avec validation) ?Pourquoi utiliserait-on PLS plutôt que Gen Reg ?Ou vice versa?  

Re : PLS avec réponse catégorique

N'oubliez pas de mentionner l'excellent livre sur PLS utilisant JMP par Mia et Ian !

Re : PLS avec réponse catégorique

Salut Mark,

 

J'ajoute simplement un exemple que j'ai utilisé dans une situation de l'industrie des sciences / de l'ingénierie.

 

Ça vient d'un laboratoire de chimie analytique médico-légale. Les produits de marque de l'entreprise sont vendus dans le monde entier. Parfois, le produit contrefait est vendu comme étant le leur. Lorsqu'ils ont des plaintes de clients, ils doivent établir rapidement s'il s'agit de leur produit ou d'une contrefaçon. Traditionnellement, cela se fait en testant un échantillon avec de nombreux tests chimiques différents sur plusieurs jours. Cela coûte beaucoup en temps de laboratoire et signifie que les problèmes des clients prennent trop de temps à être résolus.

 

La solution consiste à utiliser l'analyse de données sur une analyse chimique rapide qui génère beaucoup de données.

 

Dans la pièce jointe, les colonnes RT représentent la surface du pic à différents temps de rétention des chromatogrammes. Chaque pic est une entité chimique différente. Et la zone est proportionnelle à la quantité de cette entité dans l'échantillon.

 

Je montre comment différentes techniques visuelles et de modélisation vous permettent de comprendre les différences entre les 3 sources et comment vous pouvez déterminer quelle est la source pour une inconnue. PLS serait l'une des options.

 

J'espère que cela pourra aider.

Phil

Re : PLS avec réponse catégorique

Dans le fichier zip joint se trouve un journal comparant PCA et PLS . Il contient un ensemble de données sur le tigre Amour ayant une réponse catégorique.

Il y a une description impliquée et quelques autres exemples aussi. Je suppose que cela devrait vous aider avec ce que vous recherchez. Vous devez vérifier si tout fonctionne dans JMP 15 car je ne l'ai pas vérifié.depuis un certain temps