Tutorial para desarrolladores: uso de la regresión generalizada de JMP Pro para comprender mejor los datos de observaciónLos datos de observación se prestan al análisis útil para grandes conjuntos de datos, datos que probablemente no exhiben ortogonalidad y situaciones en las que estamos interesados en la predicción más que en la interpretación.La plataforma de regresión generalizada es el lugar para construir modelos de regresión tanto para experimentos diseñados como para datos de observación.Algunas cosas para tener en mente:
1) La regresión penalizada es muy prometedora para los datos de observación.
2) Efecto La herencia probablemente no sea necesaria.
3) Utilice un conjunto de reserva si tiene suficientes datos; de lo contrario, el AICc.
Vea cómo:
- Comprender los principios básicos relacionados con la estimación y las necesidades a considerar:
- Qué tan lejos de la verdad tienden a estar las estimaciones (sesgo)
- Qué tan variables son las estimaciones (varianza)
- Cómo se pueden medir los principios de sesgo y varianza combinados mediante el error cuadrático medio de un estimador
- Comprender las técnicas de regresión penalizada (cresta, lazo, red elástica, lazo adaptativo, lazo doble, selector de Dantzig)
- Vea cómo se maneja Effect Heredity en JMP Pro
- Elija las opciones de Control de cuadrícula
- Utilice términos forzosos, detención anticipada y falta informativa
Recursos
Modelado predictivo y aprendizaje automáticoRe: Tutorial para desarrolladores: uso de la regresión generalizada de JMP Pro para comprender mejor los datos de observación@ H2OSUP ¡Me alegro mucho de que la presentación le haya resultado útil! Tiene razón: si le falta un valor en uno de sus predictores, el comportamiento predeterminado es que genreg ignore toda la fila de datos.
Sin embargo, hay una forma de evitar esto, utilizando la opción "Falta informativa" en Ajustar modelo. Puede encontrarlo en el menú del triángulo rojo en el cuadro de diálogo de especificación del modelo Ajustar modelo (captura de pantalla a continuación). La historia corta es que esta opción utiliza la imputación media de los valores faltantes y agrega un indicador de falta a su modelo. Pero para más detalles, John Sall escribió una publicación de blog sobre la opción Informativo perdido.
Re: Tutorial para desarrolladores: Uso de la regresión generalizada de JMP Pro para comprender mejor los datos observacionales@clay_barker gracias por presentar el tutorial el otoño pasado. Sus presentaciones me parecieron muy útiles y bien hechas. Tengo una pregunta sobre cómo GENREG maneja las celdas que faltan en un conjunto de datos. Si falta una celda para una entrada, ¿GENREG excluirá toda la fila en el análisis? Me pregunto si GENREG incluiría la fila para los modelos que contienen entradas que no faltan en una fila si otras entradas tienen valores faltantes. Gracias, Mike.
