@FR60 escribió:
Chao Dan
muchas gracias por tu msj.
tengo un comentario que hacer....
Simplemente podría usar la regresión paso a paso (un clásico).
¿Puede manipular más de 1K predictores?
Sí. Si tiene la memoria en su máquina para manejar problemas grandes. Acabo de ejecutar un ejemplo simple con 10,000 observaciones y 2,000 predictores. Paso a paso funcionó bien.
Podrías usar el agrupamiento de variables.
¿Me puede dar más detalles sobre esta técnica sobre cómo elegir predictores importantes a través de la agrupación?
Este sería un enfoque similar al análisis de componentes principales, pero en lugar de buscar gráficos de carga para ver variables similares, JMP los agrupará automáticamente. A continuación, puede elegir la variable que sea más representativa del clúster o incluso crear la variable "típica" para el clúster. Esto le ayudará a evitar la "información redundante" que suele ver con muchas variables.
Podrías usar Partición.
Por lo general, en nuestro Fab lo usamos después de eliminar predictores no importantes (consideremos que generalmente tenemos más de miles de predictores y mucho ruido en nuestros datos ...)
Hay muchas maneras de usar la partición, pero piense en esa primera división. El enfoque debe determinar qué división contiene la mayor cantidad de información. Esa es una selección variable. También podría usar un truco que Dick DeVeaux llama "sacudir el árbol". Divida muchas, muchas veces y luego mire las contribuciones de las columnas de las variables para identificar las más importantes. ¡Tantas maneras de usar esta plataforma flexible!
Podría usar PCR (regresión de componentes principales).
Lo sabemos, pero perdemos información sobre el significado del predictor y luego preferimos no usarlo.
Comprendido. No soy un gran fanático de la PCR por este motivo. Sin embargo, al observar las cargas de las variables solo para los componentes principales significativos, posiblemente podría identificar las variables originales que son importantes. Utilice esas importantes variables originales para comenzar a construir su modelo. No hay nada que diga que debe ceñirse a los componentes principales.
Existen métodos basados en gráficos: diagramas normales, diagrama de Pareto, diagrama de Bayes.
No sé cómo hacer la selección de características con el gráfico. Lo siento.
Nada de qué arrepentirse. Por eso estamos creando la clase. Las personas a menudo desconocen estas herramientas.
En este momento se está creando un nuevo curso llamado "Software JMP: encontrar predictores importantes" que aborda este problema y cubre estas técnicas, utilizando tanto JMP como JMP Pro. Es probable que esta clase de dos días esté disponible para su entrega en las ubicaciones de los clientes a partir de abril.
Esta es una gran noticia. Espero que también esté disponible para Italia. Si es así seguro que los seguiré.
Todas las clases que creamos en SAS en los EE. UU. también están disponibles para las oficinas internacionales de SAS. Si no tienen un instructor que conozca el tema, pueden solicitar uno de otra región que tenga el conjunto de habilidades. ¡Simplemente pregunte a su oficina local de SAS por la capacitación!
reg.feliz
