開発者チュートリアル: JMP Pro 一般化回帰を使用して観測データをより深く理解する観測データは、大規模なデータセット、おそらく直交性を示さないデータ、および解釈ではなく予測に関心がある状況に役立つ分析に役立ちます。一般化回帰プラットフォームは、計画された実験と観察データの両方の回帰モデルを構築する場所です。留意すべき点:
1) ペナルティ付き回帰は、観測データに大きな可能性を示します。
2) 効果の遺伝はおそらく必要ありません。
3) 十分なデータがある場合はホールドアウト セットを使用し、そうでない場合は AICc を使用します。
方法を参照してください:
- 推定に関連する背景原則と考慮すべき事項を理解します。
- 推定値が真実からどの程度離れている傾向があるか (バイアス)
- 推定値の変動性 (分散)
- バイアス原理と分散原理の組み合わせを推定器の平均二乗誤差によってどのように測定できるか
- ペナルティ付き回帰手法を理解する (Ridge、Lasso、Elastic Net、Adaptive Lasso、Double Lasso、Dantzig Selector)
- JMP Pro で効果の遺伝がどのように処理されるかをご覧ください。
- グリッド コントロール オプションの選択
- 強制的な条件の使用、早期停止、情報の欠落
リソース
予測モデリングと機械学習Re: 開発者チュートリアル: JMP Pro 一般化回帰を使用して観測データをより深く理解する@H2OSUPこのプレゼンテーションが役に立ったと感じていただけてとてもうれしいです。 あなたは正しいです。予測変数の 1 つに欠損値がある場合、デフォルトの動作では、genreg はそのデータ行全体を無視します。
ただし、モデルの適合の「情報が欠落している」オプションを使用することで、これを回避する方法があります。 これは、[Fit Model] モデル仕様ダイアログの赤い三角メニューにあります (下のスクリーンショット)。 簡単に言えば、このオプションは欠損値の平均補完を使用し、モデルに欠損の指標を追加します。 しかし、より詳細については、ジョン・ソールが書いていますブログ投稿「情報が欠落している」オプションについて。
Re: 開発者チュートリアル: JMP Pro 一般化回帰を使用して観測データをより深く理解する@clay_barker昨年の秋にチュートリアルを提供していただきありがとうございました。 あなたのプレゼンテーションは非常に有益で、よくできていると思いました。 GENREG がデータセット内の欠落セルをどのように処理するかについて質問があります。 入力に 1 つのセルが欠落している場合、GENREG は分析の行全体を除外しますか? 他の入力に欠損値がある場合、GENREG には行に欠損がない入力を含むモデルの行が含まれるかどうか疑問に思っています。 ありがとう、マイク。
