Che cos'è k quando si valuta l'importanza delle variabili?Ciao JMP Community, gestivo reti neurali per costruire modelli di previsione da JMP e valutare l'importanza delle variabili tramite Dependent Resampled Inputs, che utilizza un approccio k-neighbors.Avevo l'importanza della variabile per ogni variabile nel modello, ma come posso conoscere il valore di k e gli altri dettagli dell'approccio k-vicini più vicini?
AnalyticsRi: Cos'è k quando si valuta l'importanza delle variabili?Puoi condividere uno screenshot veloce di quello che stai chiedendo?Ri: Cos'è k quando si valuta l'importanza delle variabili?Grazie per avermi risposto. Ho fatto il modello di previsione della rete neurale, ho selezionato Profiler> Valuta importanza variabile> Input ricampionati dipendenti e mostrerò un elenco di importanza variabile. Secondo la Guida di JMP, l'importanza è stata calcolata usare un K -I vicini più vicini si avvicinano.La mia domanda è che se posso conoscere il valore k di questo K -I vicini più vicini si avvicinano?
Ri: Cos'è k quando si valuta l'importanza delle variabili?Grazie per avermi risposto. Ho fatto il modello di previsione della rete neurale, ho selezionato Profiler> Valuta importanza variabile> Input ricampionati dipendenti e mostrerò un elenco di importanza variabile. Secondo la guida di JMP, l'importanza è stata calcolata utilizzando un approccio k-vicini più vicini. La mia domanda è che se posso conoscere il valore k di questo approccio k-vicini più vicini?
Ri: Cos'è k quando si valuta l'importanza delle variabili?Non credo che il risultato di importanza sia basato su k. Il sistema di aiuto dice:
I valori dei fattori sono costruiti dalle combinazioni osservate
utilizzando un approccio k-vicini più vicini, al fine di tenere conto della correlazione. Questa opzione
considera la varianza e la covarianza osservate come rappresentative della struttura di covarianza per
i tuoi fattori. Usa questa opzione quando ritieni che i tuoi fattori siano correlati. Nota che
questa opzione è sensibile al numero di righe nella tabella dati. Se usato con un piccolo numero
di righe, i risultati possono essere inaffidabili.
Ulteriore:
Nota: Gli indici di importanza variabile sono costruiti utilizzando il campionamento Monte Carlo. Per questo motivo, puoi aspettarti qualche variazione nei valori dell'indice di importanza da una corsa all'altra.
In altre parole, un approccio k-vicini più vicini viene utilizzato per raggruppare le osservazioni in modo che la struttura di covarianza dei dati possa essere mantenuta. Queste osservazioni vengono inserite nel modello per ottenere i valori previsti. Ora, ripeti (questa è la parte Monte Carlo) scegliendo una nuova serie di osservazioni. Guarda quanto è stata apportata una modifica in un singolo fattore in modo da poter valutare l'importanza di quella variabile.
Non conosco tutti i dettagli dell'approccio k-vicini più vicini che viene utilizzato, ma immagino che se viene fatta una scelta di k, sarebbe quello che descrive meglio i dati. Guarda la tecnica di clustering dei vicini più vicini nella sezione della guida per vedere come JMP sceglie "in modo ottimale" ak in quella situazione. Se si segue veramente questo approccio, non so quale intervallo di k venga esplorato. Ad ogni modo, scommetterei che viene utilizzato un intervallo di valori k a causa della simulazione di Monte Carlo in corso.
