Gentile JMP e community,
(W10 Enterprise, JMP Pro 15.0.0)
Sono curioso di sapere quale dei parametri di ottimizzazione per la modellazione di foreste bootstrap influisce sul numero di suddivisioni su ciascun fattore. Conosco bene come utilizzare una tabella di ottimizzazione e così via per ottimizzare l'adattamento per massimizzare l'adattamento, ad es R ^ 2 per il set di convalida. Dei sei parametri evidenziati di seguito, quale (i) può influenzare il numero di divisioni (dai contributi di colonna)?
Se si osserva l'output del report dalla foresta bootstrap, è presente una colonna nella colonna Contributi denominata "Numero di suddivisioni". Se si sommano queste suddivisioni, si ottiene il numero totale di divisioni nella foresta. Presi singolarmente, si tratta del numero di volte in cui il modello è stato diviso su un determinato parametro.
Se quindi inizi a esaminare i dettagli nella formula che puoi salvare nella tabella dei dati, a volte possono esserci differenze tra il numero di volte in cui il parametro viene conteggiato in una formula e il numero di divisioni su quel parametro.
Ad esempio, se un parametro ha 1000 divisioni, dovrebbe comparire nella formula due volte per un totale di 2000 volte, il che ha senso. Questo non succede sempre, comunque. Sospetto che sia dovuto a uno dei parametri di ottimizzazione, ma non ne sono sicuro. In caso contrario, cos'altro potrebbe influire su questo?
Per fare un esempio specifico, di seguito è riportata una schermata dei contributi della colonna da un adattamento e confrontandola con il numero 2 * di divisioni e il numero di volte in cui quel parametro viene conteggiato nella formula. Come si può vedere, il numero di volte in cui il parametro viene visualizzato nella formula (ad es. 12626 per X_1) non corrisponde al numero 2 * di divisioni (12636 per X_1). A volte è vicino, a volte è abbastanza grande (vedi colonna "Differenza"). Inoltre, ciò che è interessante è che le differenze si sommano a zero. Quindi, qualunque cosa stia causando queste differenze è "ponderata" in modo tale da non modificare il numero totale di divisioni, ma solo il modo in cui sono allocate.
Trovo molto interessante che nella formula il parametro X_11 si trovi 276 volte più del 2 * numero di divisioni. A mio avviso, ciò suggerisce che ad alcune divisioni, non sta decidendo uniformemente su X_11, ma piuttosto su un altro parametro. E lo sta facendo in modo tale che il numero totale di divisioni rimanga costante. Potrebbe essere correlato ai termini campionati per divisione o alla dimensione minima della divisione? Ho provato alcuni test manuali e non sono riuscito a determinare in che modo uno di essi influisce sul numero di divisioni.
A proposito, copio la formula in Word e faccio un semplice conteggio sul parametro, X_1, X_2, ecc. Date le dimensioni della formula e il numero di alberi, non c'è modo di andare in una ricerca manuale per scoprire cosa sta causando questo. Sfortunatamente, non so come valutare la formula con Text Explorer o qualcosa del genere all'interno di JMP.
Tutti i feedback degli sviluppatori JMP o dei modellatori della community sono apprezzati.
Grazie,
DS
