JMP での機能選択こんにちは
特徴選択用の JMP Pro 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) にもあるかどうかご存知ですか? そうでない場合、JMP12/13 で予測子の数を減らし、最も重要なものだけを残すために使用する最適な方法はどれですか?
ありがとうフェリーチェ
Re: JMP での機能選択JMP は、どの変数がクラスターを最もよく表しているかを示します。 また、使用するクラスターの適切な数も決定されます。
Re: JMP での機能選択チャオダン
あなたのコメントは本当に歓迎で、とても役に立ちました。 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、同様の変数を確認するためにプロットを読み込む代わりに、JMP がそれらを自動的にクラスター化します。 その後、クラスターを最も代表する変数を選択したり、クラスターの「典型的な」変数を作成したり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」を避けるのに役立ちます。
n 個のクラスター (この数値のサイズを選択する方法に関する何らかの規則) を取得したら、各クラスターの最も代表的な変数をどのように識別できるでしょうか?
ありがとう。フェリーチェ
Re: JMP での機能選択
あなたの質問に対する私の答えは青です。
@FR60書きました：
チャオダン
メッセージをありがとうございます。
ちょっとコメントしたいことがあるのですが……。
ステップワイズ回帰 (古典的) を使用することもできます。
1,000 を超える予測子を操作できますか?
はい。 大きな問題を処理できるメモリがマシンにある場合。 10,000 個の観測値と 2,000 個の予測値を含む単純な例を実行しました。 ステップワイズはうまくいきました。
変数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変数を選択する方法に関するこの手法について詳しく教えていただけますか?
これは主成分分析に似たアプローチですが、同様の変数を確認するためにプロットを読み込む代わりに、JMP がそれらを自動的にクラスター化します。 その後、クラスターを最も代表する変数を選択したり、クラスターの「典型的な」変数を作成したり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」を避けるのに役立ちます。
パーティションを使用することもできます。
通常、私たちのファブでは、重要ではない予測子を削除した後にそれを使用します (一般的に、データには数千を超える予測子と多くのノイズが含まれていると考えてみましょう...)
パーティションの使用方法はたくさんありますが、最初の分割を思い出してください。 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。 それが変数選択です。 ディック・デヴォーが「木を揺する」と呼ぶトリックを使うこともできます。 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方法はたくさんあります。
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ってしまうため、それを使用しないことを好みます。
理解した。 このような理由から、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量を確認することで、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。 主成分を必ず守らなければならないということはありません。
グラフベースの方法には、通常プロット、パレート プロット、ベイズ プロットがあります。
グラフで特徴量を選択する方法がわかりません。 ごめん。
残念なことは何もありません。 そのため、クラスを作成しています。 人々はこれらのツールに気づいていないことがよくあります。
現在、「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作成されており、JMP と JMP Pro の両方を使用してこの問題に対処し、これらのテクニックをカバーしています。 この 2 日間のクラスは、4 月から顧客の場所で提供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といいですね。 確かにそうであれば、私は彼らに従います。
米国の SAS で作成したクラスはすべて、海外の SAS オフィスでも利用できます。 トピックに詳しいインストラクターがいない場合は、スキルセットを備えた別の地域のインストラクターをリクエストできます。 地元の SAS オフィスにトレーニングを依頼してください。
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 での機能選択チャオダン
メッセージをありがとうございます。
ちょっとコメントしたいことがあるのですが……。
ステップワイズ回帰 (古典的) を使用することもできます。
1,000 を超える予測子を操作できますか?
変数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変数を選択する方法に関するこの手法について詳しく教えていただけますか?
パーティションを使用することもできます。
通常、私たちのファブでは、重要ではない予測子を削除した後にそれを使用します (一般的に、データには数千を超える予測子と多くのノイズが含まれていると考えてみましょう...)
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ってしまうため、それを使用しないことを好みます。
グラフベースの方法には、通常プロット、パレート プロット、ベイズ プロットがあります。
グラフを使用して特徴を選択する方法がわかりません。 ごめん。
現在、「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作成されており、JMP と JMP Pro の両方を使用してこの問題に対処し、これらのテクニックをカバーしています。 この 2 日間のクラスは、4 月から顧客の場所で提供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といいですね。 確かにそうであれば、私は彼らに従います。
ＲＧＤＳ。フェリーチェ
Re: JMP での機能選択素晴らしい
私はそれを使いました。 非常に素晴らしい。
フェリーチェ
Re: JMP での機能選択上記の同僚から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、「多変量手法」 -> 「多変量」 -> 「散布図行列」プラットフォームも検討します。 これにより、変数間に存在する可能性のあるペアごとの相関関係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関係を発見する場合に役立ちます。 これらの相関関係は、通常の最小二乗回帰 (JMP では標準最小二乗と呼ばれる) などの一部の回帰手順では適切に機能しません。 標準的な最小二乗パスを使用する場合は、存在する可能性のある予測子の相関関係を示すために、パラメーター推定テーブル内の分散膨張係数を必ずチェックしてください。
Re: JMP での機能選択これまでの回答からいくつかの適切な選択肢が得られましたが (そのうちのいくつかは繰り返します)、他にも選択肢があります。
ステップワイズ回帰 (古典的) を使用することもできます。 全サブセット回帰を使用できます。 変数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を使用することもできます。 PCR (主成分回帰) を使用できます。 グラフベースの方法には、通常プロット、パレート プロット、ベイズ プロットがあります。 予測子スクリーニングなどを使用できます。
現在、「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作成されており、JMP と JMP Pro の両方を使用してこの問題に対処し、これらのテクニックをカバーしています。 この 2 日間のクラスは、4 月から顧客の場所で提供できるようになる予定です。 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る予定だ。
Re: JMP での機能選択こんにちは、フェリーチェさん
JMP には Predictor Screening と呼ばれるものもあります。 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、考えられる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 での機能選択こんにちは、フェリーチェさん
通常の JMP には一般化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/デシジョン ツリーを使用することです。 構築するモデルの予測能力をチェックするには、必ずホールドアウト セットを使用してください。 パーティション分析の場合は、上部の赤いホット スポットの下を確認し、[列の寄与] を選択して、どの要素が最も重要かを確認します。
お役に立てれば。
請求書
