@FR60 ha scritto:
Ciao Dan
grazie mille per il tuo messaggio
avrei qualche commento da fare....
Potresti semplicemente usare la regressione graduale (un classico).
Può manipolare più di 1K predittori?
SÌ. Se hai la memoria sul tuo computer per gestire problemi di grandi dimensioni. Ho appena eseguito un semplice esempio con 10.000 osservazioni e 2.000 predittori. Stepwise ha funzionato bene.
Potresti utilizzare il clustering variabile.
Puoi darmi maggiori dettagli su questa tecnica su come scegliere importanti predittori attraverso il clustering?
Questo sarebbe un approccio simile all'analisi delle componenti principali, ma invece di guardare i grafici di caricamento per vedere variabili simili, JMP li raggrupperà automaticamente. È quindi possibile scegliere la variabile più rappresentativa del cluster o addirittura creare la variabile "tipica" per il cluster. Ciò ti aiuterà a evitare le "informazioni ridondanti" che spesso vedi con molte variabili.
Potresti usare Partition.
Tipicamente nel nostro Fab lo utilizziamo dopo aver rimosso i predittori non importanti (consideriamo che generalmente abbiamo più di mille predittori e molto rumore nei nostri dati....)
Esistono molti modi per utilizzare Partition, ma pensa a quella primissima 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 osserva i contributi delle variabili nelle colonne 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 dei predittori e quindi preferiamo non utilizzarle.
Inteso. Per questo motivo non sono un grande fan della PCR. Tuttavia, osservando i caricamenti delle variabili solo per le componenti principali significative, è possibile identificare le variabili originali che sono importanti. Utilizza 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 eseguire la selezione delle funzionalità con il grafico. Scusa.
Niente di cui dispiacersi. Ecco perché stiamo creando la classe. Spesso le persone non sono a conoscenza di questi strumenti.
È in corso di creazione un nuovo corso intitolato "JMP Software: 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, li seguirò sicuramente.
Tutti i corsi che creiamo presso SAS negli Stati Uniti sono disponibili anche per gli uffici SAS internazionali. Se non hanno un istruttore che conosca l'argomento, possono richiederne uno da un'altra regione che abbia le stesse competenze. Basta chiedere al tuo ufficio SAS locale per la formazione!
Distinti saluti.Felice
