Manque d’ajustement importantSalut à tous, j'apprécie votre temps et votre réponse. J'ai construit un modèle utilisant les effets principaux, les interactions et parfois les seconds ordres. J'ai utilisé les moindres carrés standard et 60 % des données. Environ 20 % sont utilisés pour la validation et 20 % pour les ensembles de tests.
R2, adj R2 et ceux destinés aux ensembles de validation et de test sont tous d'environ 98 à 99 %. Les VIF sont tous compris entre 1 et 2.
Le seul problème est que j'ai un manque d'ajustement important.
Que puis-je faire ici ? Puis-je ignorer la LoF ?
PS : j'ai remarqué que lorsque je trouve un modèle de GenReg (élagué ou Lasso, etc.) et que j'utilise ses termes de modèle et que je les essaie en Standard Moindres Carrés, j'obtiens presque le même modèle et avec un manque d'ajustement important. Cela veut-il dire que ce n'est pas pris en compte dans GenReg ?
Modélisation prédictive et apprentissage automatiqueRe : Manque d'ajustement importantMerci encore pour la gentille réponse @P_Bartel , je suis d'accord avec le variance relativement faible pour la plupart des points répliqués.
Pour répondre à vos questions, j'ai inclus une autre capture d'écran.
Re : Manque d'ajustement importantComment apparaissent les tracés des valeurs résiduelles par rapport aux variables prédictives ? Cela peut indiquer des termes ou des effets manquants dans le modèle. Et l'ordre résiduel par rapport à l'exécution (si vous avez exécuté une expérience conçue) apparaît ? Cela peut indiquer une variance non stable ou un autre effet de variables cachées qui aurait pu entrer dans l'événement d'exécution expérimentale et qui pourrait également conduire à un LOF.
D'après l'apparence de votre tracé prédit/résiduel, il me semble que la cause principale du LOF est une variance relativement faible pour la plupart des points répliqués. Cela crée un terme d'erreur pure très petit par rapport au terme d'erreur LOF dans l'ANOVA LOF et rend plus probable une valeur p « LOF significative ».
Comme vous l'indiquez, l'ampleur de la différence entre les valeurs réelles et prédites n'est pas significative, donc si le modèle peut toujours être utilisé aux fins prévues... eh bien, vous avez LOF. Qui s'en soucie?
Re : Manque d'ajustement importantMerci pour la réponse rapide @P_Bartel . Veuillez consulter la photo ci-jointe pour les résidus. Je ne pense pas qu'ils aient l'air problématiques ?!
Le modèle va être utilisé à la fois pour les optimisations, actuellement et dans un avenir proche pour les prédictions. L’erreur de prédiction n’aura pas beaucoup d’impact.
Re : Manque d'ajustement importantUn LOF important peut provenir de diverses sources. Quelques questions:
1. Vos tracés résiduels donnent-ils des indices sur la source du LOF ? Les tracés montrent-ils une structure non aléatoire ou des modèles suspects ?
2. Quel est le but du modèle ? Explicatif ou prédictif ? Si c'est explicatif, LOF n'est probablement pas aussi problématique. S'il est prédictif, dans quelle mesure la condition LOF a-t-elle un impact sur l'utilité du modèle pour faire des prédictions dans l'espace factoriel par rapport à l'ampleur de « l'erreur » des prédictions. Si l'ampleur de l'erreur des prédictions n'a pas d'impact pratique, je ne serais pas aussi inquiet de vivre avec un modèle doté d'un LOF important.
