Bonjour,
J'ai une variable de réponse nominale qui peut avoir deux états 1 et 0 et 6 variables d'entrée (numériques, continues). Comment puis-je trouver le meilleur modèle pour prédire ma variable de réponse ? C'est probablement une question très large, mais j'aimerais comprendre le processus d'obtention et de construction du meilleur modèle pour ma variable de réponse.
Voici donc certaines des questions que je me pose :
1.) Comment savoir si je dois utiliser Partition ou Fit Model ?
2.) Lorsque j'utilise la régression (modèle d'ajustement), comment puis-je savoir quelles macros utiliser ? Factorielle complète, Polynôme à degré, etc. ? À quel degré ? Plus le degré est élevé, mieux c'est ?
3.) Qu'en est-il de la personnalité ? Dois-je utiliser une régression logistique nominale ou par étapes ?
Comme vous pouvez le voir, je suis débutant dans la création de modèles prédictifs et j'aimerais comprendre le processus ou peut-être existe-t-il un guide que je peux suivre pour créer le meilleur modèle pour mes données.
Merci.
Je vous suggère de commencer par quelques notions de base. Ceux-ci peuvent être des webinaires auto-guidés ou en direct:
https://www.jmp.com/en_us/events/live-webinars/getting-started-with-jmp/getting-started-with-jmp-02apr2021.html
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
Il existe de nombreuses façons de créer des modèles. Additif, soustractif. Régression à partir d'un ensemble de données existant ou d'une expérience conçue. Les modèles que vous êtes capable d'estimer dépendent de la manière dont vous avez obtenu les données.
En plus de @statman Conseil, vous pouvez également vous inscrire et suivre la formation gratuite en ligne SAS «Pensée statistique pour la résolution de problèmes industriels». Toutes vos questions sont traitées en détail dans ce cours. Voici un lien vers le site d'inscription aux cours: SAS "Pensée statistique pour la résolution de problèmes industriels"
