Tutorial para desarrolladores: uso de la regresión generalizada de JMP Pro para comprender mejor los datos de observaciónLos datos observacionales se prestan a análisis útiles 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 crear 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 observacionales.
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 (Ridge, Lasso, Elastic Net, Adaptive Lasso, Double Lasso, Dantzig Selector)
- Vea cómo se maneja la herencia de efectos en JMP Pro
- Elija las opciones de control de cuadrícula
- Utilice términos forzosos, detenciones anticipadas y faltas informativas
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 alegra mucho que la presentación te haya resultado útil! Tiene razón: si le falta un valor en uno de sus predictores, el comportamiento predeterminado es que género ignore toda esa fila de datos.
Sin embargo, hay una forma de solucionar esto utilizando la opción "Falta información" 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 para 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 Falta Informativo.
Re: Tutorial para desarrolladores: uso de la regresión generalizada de JMP Pro para comprender mejor los datos de observación@clay_barker Gracias por presentar el tutorial el otoño pasado. Sus presentaciones me parecieron muy útiles y bien hechas. Tengo una pregunta sobre cómo maneja GENREG las celdas que faltan en un conjunto de datos. Si falta una celda para una entrada, ¿GENREG excluirá toda la fila del análisis? Me pregunto si GENREG incluiría la fila para los modelos que contienen entradas que no faltan en una fila si a otras entradas les faltan valores. Gracias mike.
