nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

448560_fr-FR

liliconcom

Criblage de modèle à l'aide de JMP16 et de données déséquilibrées

Bonjour

J'ai un ensemble de données déséquilibré avec un résultat d'intérêt de seulement 13% et de nombreux prédicteurs. Je souhaite l'analyser à l'aide de la plate-forme de criblage de modèle dans l'analyse prédictive de JMP 16. Dans la version précédente de JMP15, j'ai pu utiliser le complément pour les données déséquilibrées pour rechercher la meilleure technique de prétraitement pour mon ensemble de données déséquilibré. Comment puis-je effectuer cela dans le module de criblage de modèle actuel de JMP16.1 ? Dois-je d'abord créer une nouvelle table en utilisant l'équilibrage Add-inn technique (par exemple SMOTE-Tomek) avant de commencer l'analyse ? En effet, le prétraitement de votre déséquilibre les données peuvent considérablement améliorer les performances des métriques de vos modèles (voir le manuscrit ci-joint)

Dans l'attente de suggestions

Belgique

Analytique

Objet : Dépistage du modèle à l'aide de JMP16 et de données déséquilibrées

Salut,

Je suis désolé de voir que vous n'avez pas encore eu de réponse.

Je ne suis pas en mesure de commenter SMOTE ou d'autres méthodes de prétraitement en dehors de JMP. Je dirais que cela pourrait valoir la peine d'essayer.

Dans JMP Pro, je vous recommande d'examiner l'option permettant de créer une colonne de validation stratifiée par votre variable de réponse. Cela garantit que les niveaux de réponse sont représentés de manière égale dans vos sous-ensembles de test et de validation. Vous pouvez ensuite utiliser cette colonne de validation dans Model Screening dans JMP Pro 16.