@FR60 schrieb:
Ciao Dan
vielen Dank für Ihre Nachricht.
Ich habe eine Anmerkung zu machen....
Sie könnten einfach die schrittweise Regression (ein Klassiker) verwenden.
Kann es mehr als 1.000 Prädiktoren manipulieren?
Ja. Wenn Sie auf Ihrem Computer genügend Speicher haben, um große Probleme zu bewältigen. Ich habe gerade ein einfaches Beispiel mit 10.000 Beobachtungen und 2.000 Prädiktoren ausgeführt. Schrittweise hat gut geklappt.
Sie könnten Variablen-Clustering verwenden.
Können Sie mir mehr Details zu dieser Technik zur Auswahl wichtiger Prädiktoren durch Clustering geben?
Dies wäre ein Ansatz, der der Hauptkomponentenanalyse ähnelt, aber anstatt dass Sie sich Ladediagramme ansehen, um ähnliche Variablen zu sehen, gruppiert JMP sie automatisch für Sie. Sie können dann die Variable auswählen, die für den Cluster am repräsentativsten ist, oder sogar die „typische“ Variable für den Cluster erstellen. Dies hilft Ihnen, die "redundanten Informationen" zu vermeiden, die Sie oft bei vielen Variablen sehen.
Sie könnten Partition verwenden.
Typischerweise verwenden wir es in unserer Fab, nachdem wir nicht wichtige Prädiktoren entfernt haben (nehmen wir an, dass wir im Allgemeinen mehr als tausend Prädiktoren und viel Rauschen in unseren Daten haben ....)
Es gibt viele Möglichkeiten, Partition zu verwenden, aber denken Sie an die allererste Aufteilung. Der Ansatz muss bestimmen, welche Teilung die meisten Informationen enthält. Das ist eine variable Auswahl. Sie können auch einen Trick anwenden, den Dick DeVeaux „den Baum schütteln“ nennt. Teilen Sie viele, viele Male und sehen Sie sich dann die Spaltenbeiträge der Variablen an, um die wichtigsten zu identifizieren. So viele Möglichkeiten, diese flexible Plattform zu nutzen!
Sie könnten PCR (Hauptkomponentenregression) verwenden.
Wir wissen das, aber wir verlieren Informationen über die Bedeutung des Prädiktors und verwenden es dann lieber nicht.
Verstanden. Aus diesem Grund bin ich kein großer Fan von PCR. Wenn Sie sich jedoch nur die Ladungen der Variablen für die signifikanten Hauptkomponenten ansehen, könnten Sie möglicherweise die ursprünglichen Variablen identifizieren, die wichtig sind. Verwenden Sie diese wichtigen ursprünglichen Variablen, um mit dem Erstellen Ihres Modells zu beginnen. Es gibt nichts, was besagt, dass Sie sich an die Hauptkomponenten halten müssen.
Es gibt graphbasierte Methoden: Normalplots, Pareto-Plot, Bayes-Plot.
Ich weiß nicht, wie man eine Feature-Auswahl mit Graphen durchführt. Es tut uns leid.
Nichts zu bereuen. Deshalb erstellen wir die Klasse. Menschen sind sich dieser Tools oft nicht bewusst.
Derzeit wird ein neuer Kurs mit dem Titel „JMP Software: Finding Important Predictors“ erstellt, der sich mit diesem Problem befasst und diese Techniken behandelt, wobei sowohl JMP als auch JMP Pro verwendet werden. Dieser zweitägige Kurs wird voraussichtlich ab April an Kundenstandorten bereitgestellt.
Das ist eine großartige Nachricht. Ich hoffe, dass es das auch für Italien geben wird. Wenn ja, werde ich ihnen auf jeden Fall folgen.
Alle Kurse, die wir bei SAS in den USA erstellen, stehen auch den internationalen SAS-Büros zur Verfügung. Wenn sie keinen Lehrer haben, der sich mit dem Thema auskennt, können sie einen aus einer anderen Region anfordern, der über die erforderlichen Fähigkeiten verfügt. Fragen Sie einfach Ihr lokales SAS-Büro nach der Schulung!
Rgds.Felice
