JMPでの特徴選択やあ
特徴選択のためのJMPProには（将来の抽出には興味がありません...）、一般化回帰モジュールがあることを私は知っています。 同様のモジュールがJMP（標準バージョン）にもあるかどうか知っていますか？ そうでない場合は、予測子の数を減らして最も重要な予測子のみを残すためにJMP12 / 13で使用するのに最適な方法はどれですか？
ありがとうフェリーチェ
Re：JMPでの特徴選択JMPは、どの変数がクラスターを最もよく表しているかを教えてくれます。 また、使用するクラスターの適切な数も決定します。
Re：JMPでの特徴選択チャオダン
あなたのコメントは本当に歓迎され、役に立ちました。 クラスタリングに関する最後の質問です。
これは主成分分析に似たアプローチですが、プロットを読み込んで同様の変数を確認する代わりに、JMPはそれらを自動的にクラスター化します。 次に、クラスターを最も代表する変数を選択するか、クラスターの「典型的な」変数を作成することもできます。 これは、多くの変数でよく見られる「冗長な情報」を回避するのに役立ちます。
n個のクラスター（この数のサイズを選択する方法に関するいくつかのルール..）ができたら、各クラスターの最も代表的な変数を特定するにはどうすればよいですか？
ありがとう。フェリーチェ
Re：JMPでの特徴選択
あなたの質問に対する私の答えは青色です。
@ FR60書きました：
チャオダン
メッセージありがとうございます。
コメントがあります。
ステップワイズ回帰（古典的）を使用することができます。
1Kを超える予測子を操作できますか？
はい。 大きな問題を処理するためのメモリがマシンにある場合。 10,000個の観測値と2,000個の予測子を使用して簡単な例を実行しました。 段階的にうまくいきました。
可変クラスタリングを使用できます。
クラスタリングを通じて重要な予測子を選択する方法について、この手法について詳しく教えてください。
これは主成分分析に似たアプローチですが、プロットを読み込んで同様の変数を確認する代わりに、JMPはそれらを自動的にクラスター化します。 次に、クラスターを最も代表する変数を選択するか、クラスターの「典型的な」変数を作成することもできます。 これは、多くの変数でよく見られる「冗長な情報」を回避するのに役立ちます。
パーティションを使用できます。
通常、私たちのFabでは、重要ではない予測子を削除した後に使用します（通常、データには数千を超える予測子があり、ノイズが多いと考えてください...）。
パーティションを使用する方法はたくさんありますが、最初の分割について考えてみてください。 このアプローチでは、どの分割に最も多くの情報が含まれているかを判断する必要があります。 それは変数選択です。 DickDeVeauxが「木を振る」と呼ぶトリックを使用することもできます。 何度も何度も分割してから、変数の列の寄与を調べて、最も重要なものを特定します。 この柔軟なプラットフォームを使用するための非常に多くの方法！
PCR（主成分回帰）を使用できます。
私たちはこれを知っていますが、予測子の意味に関する情報を失い、それを使用しないことを好みます。
了解した。 このため、私はPCRの大ファンではありません。 ただし、重要な主成分のみの変数の負荷を調べることで、重要な元の変数を特定できる可能性があります。 これらの重要な元の変数を使用して、モデルの構築を開始します。 主成分に固執しなければならないということは何もありません。
グラフベースの方法があります：通常のプロット、パレート図、ベイ図。
グラフで特徴選択を行う方法がわかりません。 ごめん。
申し訳ありません。 そのため、クラスを作成しています。 人々はしばしばこれらのツールに気づいていません。
JMPとJMPProの両方を使用して、この問題に対処し、これらの手法をカバーする「JMPソフトウェア：重要な予測子の検索」と呼ばれる新しいコースが現在作成されています。 この2日間のクラスは、4月からお客様の場所で配信できるようになる可能性があります。
これは素晴らしいニュースです。 イタリアでも利用できるようになることを願っています。 はいの場合は確かに私はそれらに従います。
米国のSASで作成したすべてのクラスは、国際的なSASオフィスでも利用できます。 トピックを知っているインストラクターがいない場合は、スキルセットを持っている別の地域にインストラクターをリクエストできます。 トレーニングについては、最寄りのSASオフィスにお問い合わせください。
Rgds。フェリーチェ
私のコメントがお役に立てば幸いです。
ダン
Re：JMPでの特徴選択チャオダン
メッセージありがとうございます。
コメントがあります。
ステップワイズ回帰（古典的）を使用することができます。
1Kを超える予測子を操作できますか？
可変クラスタリングを使用できます。
クラスタリングを通じて重要な予測子を選択する方法について、この手法について詳しく教えてください。
パーティションを使用できます。
通常、私たちのFabでは、重要ではない予測子を削除した後に使用します（通常、データには数千を超える予測子があり、ノイズが多いと考えてください...）。
PCR（主成分回帰）を使用できます。
私たちはこれを知っていますが、予測子の意味に関する情報を失い、それを使用しないことを好みます。
グラフベースの方法があります：通常のプロット、パレート図、ベイ図。
グラフで特徴選択を行う方法がわかりません。 ごめん。
JMPとJMPProの両方を使用して、この問題に対処し、これらの手法をカバーする「JMPソフトウェア：重要な予測子の検索」と呼ばれる新しいコースが現在作成されています。 この2日間のクラスは、4月からお客様の場所で配信できるようになる可能性があります。
これは素晴らしいニュースです。 イタリアでも利用できるようになることを願っています。 はいの場合は確かに私はそれらに従います。
Rgds。フェリーチェ
Re：JMPでの特徴選択偉大な
使ってみました。 非常に素晴らしい。
フェリーチェ
Re：JMPでの特徴選択上記の同僚からのすべての素晴らしい提案に加えて、変数の数が比較的少ない場合は、多変量メソッド->多変量->散布図マトリックスプラットフォームも調べます。 これにより、変数間に存在する可能性のあるペアワイズ相関の優れた行列が得られ、予測子セット内に存在する可能性のある相関を発見するのに役立ちます。 これらの相関は、通常の最小二乗回帰（JMPでは標準最小二乗と呼ばれます）などの一部の回帰手順ではうまく機能しません。 標準の最小二乗パスをたどる場合は、パラメーター推定値の表で分散拡大係数を確認して、存在する可能性のある予測子の相関関係を確認してください。
Re：JMPでの特徴選択以前の回答からいくつかの良い選択がありましたが（そのうちのいくつかは繰り返します）、他にもあります。
ステップワイズ回帰（古典的）を使用することができます。 All-Subsets回帰を使用できます。 可変クラスタリングを使用できます。 パーティションを使用できます。 PLSを使用できます。 PCR（主成分回帰）を使用できます。 グラフベースの方法があります：通常のプロット、パレート図、ベイ図。 予測子スクリーニングなどを使用できます。
JMPとJMPProの両方を使用して、この問題に対処し、これらの手法をカバーする「JMPソフトウェア：重要な予測子の検索」と呼ばれる新しいコースが現在作成されています。 この2日間のクラスは、4月からお客様の場所で配信できるようになる可能性があります。 今年10月にセントルイスで開催されるディスカバリーカンファレンスで初めて公開クラスとして提供されます。
Re：JMPでの特徴選択こんにちはフェリーチェ、
JMPにも予測スクリーニングと呼ばれるものがあります。 そのオプションに関するリンクは次のとおりです。
http://www.jmp.com/support/help/13/Predictor_Screening.shtml
これは、可能な予測子の数を減らすのに役立ち、JMPに含まれています。
Re：JMPでの特徴選択こんにちはフェリーチェ、
通常のJMPには、一般化された回帰自体はありません。 ただし、いくつかのオプションがあります。 相関性の高い因子/入力がある場合は、部分最小二乗法または主成分分析のいずれかを使用できます。 もう1つのオプションは、パーティション分析/決定木を使用することです。 必ずホールドアウトセットを使用して、構築するモデルの予測機能を確認してください。 パーティション分析については、上部の赤いホットスポットの下を見て、[列の貢献度]を選択して、どの要素が最も重要かを確認してください。
お役に立てれば。
明細書
