서수 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.안녕하세요 - 서수 변수도 통합하여 다중 선형 회귀 모델의 적합성을 개선하는 것이 가능하거나 권장됩니까?현재 모델에는 2개의 연속 설명 변수와 1개의 연속 응답 변수가 있습니다.나는 현실 세계에서 서수 변수가 중요하고 응답 변수에 분명히 영향을 미친다는 것을 알고 있습니다...그 효과를 포착하는 방법을 잘 모르겠습니다.맥락을 위해, 나는 생태(반응 변수)가 탁도(연속), 특정 인근 위치의 강우(연속) 및 모델 적합성을 향상시키지 못한 기타 변수에 의해 어떻게 영향을 받는지를 모델링(예측)하고 있습니다.그러나 강의 수위가 증가하는 지점(상승 단계라고 함)에는 일반적으로 유역의 초기 유류로 인해 더 높은 생태가 포함되며 종종 이 상승 단계 간격에는 피크 단계보다 더 많은 생태가 포함됩니다.우리는 관찰을 통해 이것을 알고 있습니다.그래서....이러한 상승 단계의 경우는 이상적으로는 모델에 포착되어야 하며, 이를 수행하는 가장 좋은 방법은 서수 변수를 사용하는 것 같습니다(예: 급격한 상승 = 2, 느린 상승 = 1, 상승 없음 , 매우 느린 상승 또는 하강 = 0).여태까지는 그런대로 잘됐다.그러나 이것을 "ecoli" 대 "연속 및 순서 변수"의 예측 모델에 통합하는 방법을 잘 모르겠습니다.이에 대한 제안이나 방향이 있습니까?미리 감사드립니다.
해석학Re: 서수 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.안녕하세요 @Campbell_Ted_R ,
실행 중인 JMP 또는 JMP Pro 버전은 무엇입니까?
문제 없이 서수 데이터를 통합할 수 있습니다. 탁도 또는 강우량이 있는 상승 단계의 교차 항을 포함할 수도 있습니다. 평소처럼 대화 창에 추가하기만 하면 됩니다. 나이를 서수 변수로 사용하여 Big Class.jmp 데이터 테이블을 사용하여 연습할 수 있습니다. 예를 들어 PLS 모델 성격을 사용하여 나이, 성별, 체중 및 나이*체중을 기반으로 "키"를 예측했습니다. .
즉, 모델링하는 데이터가 DOE에서 가져온 것이 아닌 경우(그렇게 들리지 않음) 어떤 종류의 교차 유효성 검사 기술을 사용하여 다음을 확인해야 합니다. 데이터를 과적합하지 않습니다. 제 생각에는 당신이 다른 여러 요인에 따라 수로에서 대장균의 수준을 예측하려는 것처럼 들립니다. 공중 보건에 큰 중요성을 지닌 멋진 문제처럼 들립니다.
Pro가 있는 경우 다른 플랫폼에서 모델을 실행하여 모델을 훈련하는 데 사용하지 않은 데이터에 대해 어떤 모델이 최상의 예측 모델을 생성하는지 확인하고 싶을 것입니다(이것이 궁극적으로 원하는 작업이라고 가정). GenReg, 의사 결정 트리, 심지어 신경망에서도 시도해 보고 싶을 것입니다. 그런 다음 사용하지 않은 데이터에 대한 모델을 비교하고 예측 모델로 가장 잘 작동하는 모델을 확인할 수 있습니다.
도움이 되었기를 바랍니다. 행운을 빕니다!,
DS
Re: 서수 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.범주화하는 대신 연속 변수로 실제 상승/하강 비율을 측정하지 않는 이유는 무엇입니까?
Re: 서수 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.입력 Diedrich에 대해 대단히 감사합니다.시도해 보겠습니다.그건 그렇고, 나는 JMP 버전 12.1을 사용하고 있습니다.
