Tutorial per sviluppatori: utilizzo della regressione generalizzata di JMP Pro per comprendere meglio i dati osservativiI dati osservativi si prestano ad analisi utili per grandi insiemi di dati, dati che probabilmente non mostrano ortogonalità e situazioni in cui siamo interessati alla previsione piuttosto che all'interpretazione.La piattaforma di regressione generalizzata è il luogo in cui costruire modelli di regressione sia per esperimenti progettati che per dati osservativi.Alcune cose da tenere a mente:
1) La regressione penalizzata mostra grandi promesse per i dati osservativi.
2) Effetto Eredità probabilmente non è necessaria.
3) Utilizzare un set di controllo se si dispone di dati sufficienti, altrimenti l'AICc.
Vedi come:
- Comprendere i principi di base relativi alla stima e le esigenze da considerare:
- Quanto lontano dalla verità tendono ad essere le stime (bias)
- Quanto sono variabili le stime (Varianza)
- Come i principi di bias e varianza combinati possono essere misurati dall'errore quadratico medio di uno stimatore
- Comprendere le tecniche di regressione penalizzata (Ridge, Lazo, Elastic Net, Adaptive Lazo, Double Lazo, Dantzig Selector)
- Scopri come viene gestita l'ereditarietà degli effetti in JMP Pro
- Scegli le opzioni di controllo della griglia
- Usa termini forzati, interruzione anticipata e informativa mancante
risorse
Modellazione predittiva e apprendimento automaticoRe: Tutorial per sviluppatori: utilizzo della regressione generalizzata di JMP Pro per comprendere meglio i dati osservativi@H2OSUP così felice che tu abbia trovato utile la presentazione! Hai ragione: se hai un valore mancante in uno dei tuoi predittori, il comportamento predefinito è che genereg ignori l'intera riga di dati.
Tuttavia, c'è un modo per aggirare questo problema, utilizzando l'opzione "Informativa mancante" in Adatta modello. Puoi trovarlo nel menu del triangolo rosso nella finestra di dialogo Adatta modello modello (schermata sotto). La storia breve è che questa opzione utilizza l'imputazione media per i valori mancanti e aggiunge un indicatore di mancanza al modello. Ma per maggiori dettagli, John Sall ha scritto un post sul blog sull'opzione Informazioni mancanti.
Re: Tutorial per sviluppatori: utilizzo della regressione generalizzata di JMP Pro per comprendere meglio i dati osservazionali@clay_barker grazie per aver presentato il tutorial lo scorso autunno. Ho trovato le tue presentazioni molto utili e ben fatte. Ho una domanda su come GENREG gestisce le celle mancanti in un set di dati. Se manca una cella per un input, GENREG escluderà l'intera riga nell'analisi? Mi chiedo se GENREG includerebbe la riga per i modelli contenenti input che non mancano per una riga se altri input hanno valori mancanti. Grazie, Mike.
