순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.안녕하세요 - 순서형 변수를 통합하여 다중 선형 회귀 모델의 적합성을 개선하는 것이 가능하거나 권장됩니까?내 현재 모델에는 2개의 연속 설명 변수와 1개의 연속 응답 변수가 포함되어 있습니다.나는 현실 세계에서 순서 변수가 중요하고 응답 변수에 분명히 영향을 미친다는 것을 알고 있습니다. 그 효과를 포착하는 방법을 잘 모르겠습니다.맥락에 따라, 저는 ecoli(반응 변수)가 탁도(연속), 특정 인근 위치의 강수량(연속) 및 모델 적합성을 향상시키지 못한 기타 변수에 의해 어떻게 영향을 받는지 모델링(예측)하고 있습니다.그러나 나는 강의 수위가 증가하는 지점(상승 단계라고 함)은 일반적으로 유역의 초기 세척으로 인해 더 높은 에콜을 포함하고 종종 이 상승 단계 간격에는 최고 단계보다 더 많은 에콜이 포함된다는 것을 알고 있습니다.우리는 관찰을 통해 이를 알고 있습니다.따라서....이러한 상승 단계 사례는 이상적으로는 모델에 포착되어야 하며 이를 수행하는 가장 좋은 방법은 순서형 변수(예: 빠른 상승 = 2, 느린 상승 = 1, 상승 없음)를 사용하는 것 같습니다. , 매우 느린 상승 또는 하락 = 0).여태까지는 그런대로 잘됐다.그러나 이것을 "ecoli" 대 "연속 및 순서 변수"의 예측 모델에 통합하는 방법을 잘 모르겠습니다.이에 대한 제안이나 방향이 있나요?미리 감사드립니다.
데이터 탐색 및 시각화Re: 순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.고마워요 스태트맨.한번 시도해 보겠습니다.
Re: 순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.귀하의 특정 상황을 정확히 확신할 수는 없지만 시간이 지남에 따라 델타가 변경됩니다. 연속형 변수는 항상 더 유용하며 더 적은 데이터가 필요합니다.
Re: 순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.그것은 실제로 좋은 생각이고 내가 사용하는 것보다 더 나은 척도입니다.델타 상승/델타 시간을 생각하시나요?
Re: 순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.Diedrich의 의견에 진심으로 감사드립니다.한번 시도해 보겠습니다.그런데 저는 JMP 버전 12.1을 사용하고 있습니다.
Re: 순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.실제 상승/하락률을 분류하는 대신 연속변수로 측정해 보는 것은 어떨까요?
Re: 순서 데이터도 포함하여 다변량(연속 데이터) 회귀 적합성을 개선하려고 합니다.안녕 @learning_JSL ,
어떤 버전의 JMP 또는 JMP Pro를 실행하고 있나요?
문제 없이 순서 데이터를 통합할 수 있습니다. 탁도 또는 강수량과 함께 상승 단계의 교차 조건을 포함할 수도 있습니다. 평소처럼 대화창에 추가하면 됩니다. 나이를 순서형 변수로 사용하여 Big Class.jmp 데이터 테이블을 사용하여 연습할 수 있습니다. 예를 들어 나이, 성별, 체중 및 연령*체중을 기준으로 "키"를 예측하기 위해 PLS 모델 성격을 사용하여 수행했습니다. .
즉, 모델링하고 있는 데이터가 DOE에서 나온 것이 아닌 경우(그런 것처럼 들리지 않음) 일종의 교차 검증 기술을 사용하여 다음을 확인해야 합니다. 데이터를 과적합하지 않았습니다. 제가 보기에는 귀하가 다른 여러 요인에 따라 수로의 대장균 수준을 예측하려는 것처럼 들립니다. 작업하기에 멋진 문제이고 공중 보건에 큰 중요성을 갖는 것 같습니다.
Pro가 있는 경우 다양한 플랫폼에서 모델을 실행하여 모델 교육에 사용하지 않은 데이터에 대해 어떤 플랫폼이 최상의 예측 모델을 생성하는지 확인하고 싶을 것입니다(이것이 궁극적으로 원하는 것이라고 가정). GenReg, 의사결정 트리, 심지어 신경망까지 시도해 보고 싶을 것입니다. 그런 다음 사용되지 않은 데이터에 대한 모델을 비교하고 예측 모델로 가장 적합한 모델을 확인할 수 있습니다.
도움이 되었기를 바랍니다. 행운을 빌어요!,
DS
