484330_es-ES

liliconcom

Requisito de tamaño de muestra para el aprendizaje automático

¿JMP tiene un requisito de tamaño de muestra para el método de aprendizaje automático?

JMP tiene muchos métodos de aprendizaje automático para ajustarse al modelo adecuado, ¿cuántas muestras debemos obtener si queremos ajustar el modelo mediante el método de aprendizaje automático?
¿O hay una regla para el valor que divide el tamaño de las muestras por el tamaño de los factores?
Como el tamaño de la muestra al menos 10 veces el tamaño del factor de tipo de datos categóricos.

Gracias por cualquier sugerencia.

Re: Requisito de tamaño de muestra para aprendizaje automático

Hola Eric,

Este es otro en el que no creo que sea posible dar una respuesta definitiva.

En primer lugar, no todo el mundo está de acuerdo con la misma definición de "aprendizaje automático".

Para mí, una parte importante del aprendizaje automático es la validación de retenciones. Les digo a los usuarios que probablemente necesite al menos 100 filas para usar la validación de retención.

Probablemente podría usar retención con menos filas, si solo tuviera 2 o 3 variables predictoras. Pero con una cantidad tan pequeña de predictores, probablemente no se necesite el aprendizaje automático.

No creo que pueda decir fácilmente cuántas filas según la cantidad de predictores. Porque el número requerido de filas también será una función de la complejidad de los comportamientos en el sistema, que no conoce hasta que ajusta los modelos.

Por supuesto, existen otros métodos de validación que puede utilizar para aplicar un enfoque de aprendizaje automático con menos filas (k-fold, SVEM).

Puede ser útil echar un vistazo a este estudio de caso de demostración.El conjunto de datos completo tiene 4608 filas. Solo hay 5 predictores, pero son categóricos de varios niveles, por lo que es un sistema bastante complejo. Puede tomar muestras aleatorias para ver qué tan bien se comparan los métodos de aprendizaje automático con el modelado estadístico tradicional. No he llevado a cabo estudios rigurosos, pero me sorprendió descubrir que el ML parece funcionar mejor que los modelos estándar con muestras bastante pequeñas (~150 filas).

Espero que eso ayude,

phil

Re: Requisito de tamaño de muestra para aprendizaje automático

estoy de acuerdo con @Phil_Kay . Recuerde que los métodos de ML e IA están destinados a modelos predictivos, no a modelos explicativos. La inferencia no es un objetivo, por lo que el tamaño de la muestra no es una consideración. Además, prácticamente todos los casos involucran Big Data, por lo que la inferencia también es discutible. Utilice las métricas desarrolladas para comparar el rendimiento de la predicción con la validación cruzada. Por ejemplo, AICc es probablemente el mejor en más de un sentido.

Re: Requisito de tamaño de muestra para aprendizaje automático

Por supuesto que estoy de acuerdo con lo que dicen Phil y Mark. Un pensamiento adicional, si por aprendizaje automático su cliente en realidad quiere decir un modelo de regresión múltiple (con o sin términos de orden superior), entonces podría usar la opción de diseño de evaluación del menú DOE que proporcionará estimaciones de potencia para los términos del modelo siempre que puedan indicar el variación del error verdadero. De lo contrario, siga la guía de Phil y Mark.