Ajuste el perfilador de predicción del modelo para 86 efectos en 1 respuestaHola a todos, estoy tratando de generar un generador de perfiles de predicción para 86 componentes sobre su efecto para 1 respuesta "IVCC". Usé la herramienta Ajustar modelo en el menú Analizar, con 1 respuesta IVCC y 86 respuestas que van desde "Glicina" hasta "Vitamina D12" en el archivo. El generador de perfiles de predicción resultante y la maximización de conveniencia en la ventana Análisis pueden generar valores de salida para la respuesta pronosticada, pero no se generan curvas de predicción. ¿Alguien tiene ideas sobre cómo analizar mejor estos datos? Mi objetivo final es determinar el valor de cada uno de los 86 componentes que maximiza "IVCC". ¡Gracias!
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaGran conversación.
Estoy de acuerdo con Julián. Las técnicas de regresión generalizadas (enlace a continuación) abordan los desafíos relacionados con los conjuntos de datos que incluyen más variables que observaciones.
( https://www.jmp.com/support/help/14-2/generalized-regression.shtml )
Dos de estas técnicas, Lasso y Elastic Net, realizan una selección de variables como parte del procedimiento de modelado que está disponible en JMP Pro.
deseándote un feliz generalizado Regresión usando JMP Pro
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaEn cuanto a los métodos para la selección de variables, PLS y los métodos Tree hacen un trabajo bastante bueno. Si tiene acceso a JMP Pro, existen otras opciones muy buenas que utilizan la regresión generalizada.
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaHola, Byron_JMP, ¡muchas gracias por indicarme la dirección correcta!
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuesta¡Gracias Julián por tu ayuda! Su conocimiento es muy útil para diagnosticar mi situación. Intentaré usar Mínimos cuadrados parciales y también selección de variables. ¡Gracias!Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaHola statman, gracias por tu ayuda! Los 86 componentes son variables de entrada, perdón por la confusión. Intentaré seleccionar los más importantes para ver si eso aliviará el problema, ¡mucho agradecimiento!Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaGracias markbailey por tu respuesta! Idealmente, los 86 efectos serían necesarios. Intentaré ajustar la escala, gracias por el consejo. ¡Aprecio el consejo!Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaMe gusta @Julian La respuesta de , esa es una buena manera de hacerlo.
Probablemente usaría Analizar> Cribado> Cribado de predictor para reducir la lista de buenos parámetros candidatos. Con solo unas pocas filas de datos, probablemente sería una buena idea ejecutar esta plataforma varias veces para ver si obtiene un conjunto estable de predictores. Cuando la respuesta es principalmente ruido, el conjunto de predictores será bastante aleatorio de una ejecución a otra.
Alternativamente, la plataforma de partición (un árbol a la vez) es una buena manera de controlar los impulsores clave de su respuesta también.
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaHola @jonred ,
Parece que no está viendo los resultados que espera en el generador de perfiles de predicción porque tiene un modelo con más parámetros para estimar que grados de libertad disponibles. La sección "Detalles de singularidad" en la parte superior de su informe de modelo de ajuste es una indicación de esto.
En otras palabras, para ajustar un modelo tan complejo como desee (estimaciones del efecto de 86 variables, más la intercepción del modelo), necesitará más de 15 filas de datos.
Una alternativa es usar un modelo que sea tolerante con menos datos que el número de variables que desea usar (como Mínimos cuadrados parciales ), o para hacer una selección de variables para reducir el conjunto de variables para X.
¡Espero que esto ayude!
@Julian
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaLo siento, estoy un poco confundido por tu publicación. ¿Los 86 componentes son variables de entrada (x) o son variables de respuesta (y)?
"86 componentes sobre su efecto para 1 respuesta "IVCC"" sugieren que son x, pero " 1 respuesta siendo IVCC y 86 respuestas que van..." sugiere que son Y's. Si tiene tantas Y, buscaría primero para ver cuáles se correlacionan (Métodos multivariados> Multivariados). Si son x, según el principio de escasez de efectos, primero examinaría los 86 componentes para determinar cuáles son los más importantes (y estos son solo los primeros). efectos de orden?). Hay muchas maneras de hacer esto (yo empezaría con hipótesis). Una vez que haya identificado los factores significativos, su fórmula de predicción será útil. Creo que sería prácticamente imposible controlar/gestionar 86 variables simultáneamente (piense en los errores de medición asociados para cada x).
Re: Ajustar perfilador de predicción de modelo para 86 efectos en 1 respuestaEl generador de perfiles de predicción es más útil después de seleccionar un modelo. ¿Son necesarias 86 características para el modelo?
Además, el algoritmo para escalar automáticamente el eje de respuesta es muy bueno pero no es infalible. Es posible que deba cambiar la escala para ver los perfiles, especialmente después de maximizar la conveniencia.
