Mehrere Antworten und mehrere PrädiktorenHallo
Ich würde gerne wissen, welche Technik die beste ist, um einen Datensatz mit mehreren Antworten Yi und mehreren Prädiktoren X zu modellieren.
Ich habe die Option „Modell anpassen“ ausprobiert, aber die Ergebnisse sind nicht so gut.
Durch die Verwendung der PCA konnte ich die Y-Antworten von ~50 auf ~10 reduzieren. Immer noch eine hohe Zahl.
Rgds.Felice. .
Betreff: Mehrere Antworten und mehrere PrädiktorenWenn Sie alle Antworten gleichzeitig und nicht einzeln modellieren möchten, sollten Sie die Verwendung von PLS oder einem neuronalen Netzwerk in Betracht ziehen. Wenn Sie einzelne Reaktionen modellieren möchten, können Sie zunächst „Analysieren“ > „Screening“ > „Reaktions-Screening“ und „Prädiktor-Screening“ verwenden, um mögliche Zusammenhänge zu untersuchen.
Betreff: Mehrere Antworten und mehrere PrädiktorenCiao Mark, danke für deinen Beitrag.
Bei der PCA bezog ich mich auf Y-Antworten und nicht auf Prädiktoren X.
Generell bevorzuge ich es, mit wenigen Antworten zu arbeiten, aus diesem Grund habe ich gesagt, dass 10 für mich immer noch groß ist.
Ich erstelle ein Erklärungsmodell unter Verwendung von Produktionsdaten. Mit anderen Worten, ich möchte prüfen, ob eine Beziehung zwischen den X-Prädiktoren und den Mehrfachantworten Y besteht.
Bezüglich des Anpassungsmodells sagte ich, dass die Ergebnisse aufgrund des niedrigen Rsquare (<5 %) und des hohen pval (0,18) nicht gut seien.
Ich versuche, alle Antworten zusammen zu modellieren. Für sie gibt es keine Kollinarität.
Schlagen Sie vor, so viele Modelle auszuführen, wie es Antworten Y gibt?
Felice
Betreff: Mehrere Antworten und mehrere PrädiktorenSie scheinen zwei Fragen zu stellen: Modellierungstechniken und Dimensionsreduzierung. Das PCA-Ergebnis scheint mir nicht viele Prädiktoren zu sein. Warum ist ~10 immer noch zu groß?
Für einen solchen Fall gibt es viele Modellierungstechniken. Erstellen Sie ein Erklärungsmodell oder ein Vorhersagemodell? Bei ersterem geht es um das Schätzen und Testen von Parametern, beispielsweise in einem Designexperiment. Bei Letzterem geht es um die Abschätzung der Reaktion, wie beim maschinellen Lernen und der KI.
Was meinst du, wenn du sagst: „ Ich habe die Option „Modell anpassen“ ausprobiert, aber die Ergebnisse sind nicht so gut. " Was hast du erwartet? Warum waren Sie enttäuscht? Was fehlte?
Versuchen Sie, mehrere Antworten unabhängig voneinander zu modellieren? Das heißt, jede Antwort wird mit einem eigenen Modell modelliert. Wenn nicht, wie hängen die Antworten zusammen?
