¿Qué es k al evaluar la importancia de la variable?Hola, comunidad de JMP, estaba ejecutando redes neuronales para construir modelos de predicción por JMP y evaluando la importancia de las variables mediante las entradas remuestreadas dependientes, que utilizaban un enfoque de k vecinos más cercanos.Tenía la importancia de la variable para cada variable en el modelo, pero ¿cómo puedo saber el valor de ky los otros detalles del enfoque de k vecinos más cercanos?
AnalíticaRe: ¿Qué es k al evaluar la importancia de una variable?¿Puedes compartir una captura de pantalla rápida de lo que estás preguntando?Re: ¿Qué es k al evaluar la importancia de una variable?Gracias por responder. Hice el modelo de predicción de la red neuronal, seleccioné Perfiladores> Evaluar la importancia de la variable> Entradas remuestreadas dependientes y mostraré una lista de importancia variable. Según la Ayuda de JMP, se calculó la importancia usando un k -Acercamiento de los vecinos más cercanos.Mi pregunta es que si puedo conocer el valor k de este k -¿Acercamiento de los vecinos más cercanos?
Re: ¿Qué es k al evaluar la importancia de una variable?Gracias por responder. Hice el modelo de predicción de la red neuronal, seleccioné Perfiladores> Evaluar la importancia de la variable> Entradas remuestreadas dependientes y mostraré una lista de importancia variable. Según la Ayuda de JMP, la importancia se calculó utilizando un enfoque de k vecinos más cercanos. Mi pregunta es si puedo saber el valor k de este enfoque de k vecinos más cercanos.
Re: ¿Qué es k al evaluar la importancia de una variable?No creo que el resultado de importancia se base en k. El sistema de ayuda dice:
Los valores de los factores se construyen a partir de combinaciones observadas
utilizando un enfoque de k vecinos más cercanos, para tener en cuenta la correlación. Esta opción
trata la varianza y covarianza observadas como representativas de la estructura de covarianza para
tus factores. Utilice esta opción cuando crea que sus factores están correlacionados. Tenga en cuenta que
esta opción es sensible al número de filas en la tabla de datos. Si se usa con un número pequeño
de filas, los resultados pueden ser poco fiables.
Más lejos:
Nota: Los índices de importancia variable se construyen utilizando un muestreo de Monte Carlo. Por esta razón, puede esperar alguna variación en los valores del índice de importancia de una ejecución a otra.
En otras palabras, se utiliza un enfoque de k vecinos más cercanos para agrupar las observaciones de modo que se pueda mantener la estructura de covarianza de los datos. Estas observaciones se incluyen en el modelo para obtener valores predichos. Ahora, repita (esta es la parte de Monte Carlo) eligiendo un nuevo conjunto de observaciones. Vea cuánto hizo un cambio en un solo factor para que pueda evaluar la importancia de esa variable.
No conozco todos los detalles del enfoque de k vecinos más cercanos que se usa, pero supongo que si se elige k, sería el que mejor describa los datos. Mire la técnica de agrupación de k vecinos más cercanos en la sección de ayuda para ver cómo JMP elige "óptimamente" ak en esa situación. Si realmente se sigue este enfoque, no sé qué rango de k se explora. De cualquier manera, apostaría a que se usa un rango de valores k debido a la simulación de monte carlo que está sucediendo.
