@FR60 ha scritto:
Ciao Dan
grazie mille per il tuo msg.
ho qualche commento da fare....
Potresti semplicemente usare la regressione graduale (un classico).
Può manipolare più di 1K predittori?
Sì. Se hai la memoria sulla tua macchina per gestire grandi problemi. Ho appena eseguito un semplice esempio con 10.000 osservazioni e 2.000 predittori. Stepwise ha funzionato bene.
Potresti usare il clustering variabile.
Puoi darmi maggiori dettagli su questa tecnica su come scegliere predittori importanti attraverso il clustering?
Questo sarebbe un approccio simile all'analisi dei componenti principali, ma invece di guardare i grafici di caricamento per vedere variabili simili, JMP le raggrupperà automaticamente. È quindi possibile scegliere la variabile più rappresentativa del cluster o anche creare la variabile "tipica" per il cluster. Questo ti aiuterà a evitare le "informazioni ridondanti" che vedi spesso con molte variabili.
Potresti usare Partition.
Tipicamente nel nostro Fab lo usiamo dopo aver rimosso predittori non importanti (consideriamo che generalmente abbiamo più di mille predittori e molto rumoroso nei nostri dati....)
Ci sono molti modi per usare Partition, ma pensa a quella prima divisione. L'approccio deve determinare quale suddivisione contiene la maggior parte delle informazioni. Questa è una selezione variabile. Potresti anche usare un trucco che Dick DeVeaux chiama "scuotere l'albero". Dividi molte, molte volte, quindi guarda i contributi di colonna delle variabili per identificare quelle più importanti. Tanti modi per utilizzare questa piattaforma flessibile!
Potresti usare la PCR (regressione delle componenti principali).
Lo sappiamo, ma perdiamo informazioni sul significato del predittore e quindi preferiamo non usarlo.
Inteso. Non sono un grande fan della PCR per questo motivo. Tuttavia, osservando i carichi delle variabili solo per le componenti principali significative, è possibile identificare le variabili originali che sono importanti. Usa queste importanti variabili originali per iniziare a costruire il tuo modello. Non c'è nulla che dice che devi attenersi ai componenti principali.
Esistono metodi basati su grafici: grafici normali, grafici di Pareto, grafici di bayes.
Non so come fare la selezione delle caratteristiche con il grafico. Scusate.
Niente di cui essere dispiaciuto. Ecco perché stiamo creando la classe. Le persone spesso non sono a conoscenza di questi strumenti.
È in corso la creazione di un nuovo corso chiamato "Software JMP: ricerca di predittori importanti" che affronta questo problema e copre queste tecniche, utilizzando sia JMP che JMP Pro. Questa lezione di due giorni sarà probabilmente disponibile per la consegna presso le sedi dei clienti a partire da aprile.
Questa è una grande notizia. Spero che sarà disponibile anche per l'Italia. Se sì di sicuro li seguirò.
Tutte le classi che creiamo presso SAS negli Stati Uniti sono disponibili anche per gli uffici SAS internazionali. Se non hanno un istruttore che conosce l'argomento, possono richiederne uno da un'altra regione che ha le competenze. Basta chiedere al tuo ufficio SAS locale per la formazione!
Rgds.Felice
