Das ist ziemlich erschöpfend!Vielen Dank @brady_brady Ich freue mich darauf, dies für diese Präsentation in Bezug auf die aktuelleren Beiträge in der Community zu diesem Thema zu überprüfen, wie z. https://community.jmp.com/t5/Tutorials/Deriving-Sentiments-from-Opinions-or-Product-Choices/ta-p/317476 .
Ganz am Ende des letzten Videos, das das letzte Unterthema von:
- Speichern Sie Cluster oder latente Klassen, um kategoriale Prädiktoren zu erhalten, und speichern Sie singuläre Vektoren, um kontinuierliche Prädiktoren zu erhalten
Ich denke, was nützlich gewesen wäre, wäre das Beispiel des Startens eines Modells für kontinuierliche (z. B. singuläre Vektoren oder Themenvektoren) und / oder kategoriale Prädiktoren (z. B. latente Klassen oder Clusternummern) im Vergleich zur Antwort "Ziel Y" durchzugehen.Wie, welche Art von Modellen könnten Sie dafür verwenden?PLS?Gewöhnliche Logistik?Neuronale? (Welche werden normalerweise für solche Situationen verwendet?)
Es wäre gut, einen Beispieldatensatz zu sehen und zu absorbieren (zu schätzen), bei dem wir im Kontext dieser Art von Daten eine praktisch aussagekräftige und vernünftig gemessene Y-Antwortvariable haben, bei der es sich hauptsächlich um Textinformationen zu X und möglicherweise zu einer (hoffentlich mindestens einer) handelt. aussagekräftige Y-Antwort.
Hallo @PatrickGiuliano .Einer von Bradys @brady_brady Kollegen, Kemal Oflus @kemal_oflus wird seine aktualisierte Version dieses Themas auf einer 10. Juni 2021 Mastering JMP mit JMP 16 Pro.Es ist ein großes Thema, daher wird Kemal darauf abzielen, die Grundbedürfnisse von Menschen zu erfüllen, die für die Textanalyse noch relativ neu sind.Ich kopiere ihn, damit er Ihre Vorschläge verdauen und möglicherweise ansprechen kann, falls dies für das größere Publikum angemessen ist.
