Sélection de fonctionnalités dans JMPSalut
Je sais que dans JMP Pro pour la sélection des fonctionnalités (je ne suis pas intéressé par l'extraction future...), il existe le module de régression généralisée. Savez-vous si un module similaire existe également dans JMP (version standard) ? Sinon quelle est la meilleure méthode à utiliser avec JMP12/13 pour réduire le nombre de prédicteurs pour ne laisser que les plus importants ?
Merci Felice
Re : Sélection des fonctionnalités dans JMPJMP vous indiquera quelle variable est la plus représentative du cluster. Il déterminera également le nombre approprié de clusters à utiliser.
Re : Sélection des fonctionnalités dans JMPCiao Dan
vos commentaires étaient vraiment les bienvenus et plus qu'utiles. Juste une dernière question sur le clustering.
Il s'agirait d'une approche similaire à l'analyse en composantes principales, mais au lieu de regarder les diagrammes de chargement pour voir des variables similaires, JMP les regroupera automatiquement pour vous. Vous pouvez alors choisir la variable la plus représentative du cluster ou encore créer la variable "typique" du cluster. Cela vous aidera à éviter les "informations redondantes" que vous voyez souvent avec de nombreuses variables.
Une fois que j'ai n cluster (certaines règles sur la façon de choisir la taille de ce nombre ..) comment puis-je identifier la variable la plus représentative pour chaque cluster?
Merci.Félix
Re : Sélection des fonctionnalités dans JMP
Mes réponses à vos questions sont en bleu.
@FR60 a écrit:
Ciao Dan
merci beaucoup pour votre msg.
J'ai un commentaire à faire....
Vous pouvez simplement utiliser la régression pas à pas (un classique).
Peut-il manipuler plus de 1 000 prédicteurs ?
Oui. Si vous avez suffisamment de mémoire sur votre machine pour gérer de gros problèmes. Je viens d'exécuter un exemple simple avec 10 000 observations et 2 000 prédicteurs. Stepwise a bien fonctionné.
Vous pouvez utiliser le clustering de variables.
Pouvez-vous me donner plus de détails sur cette technique sur la façon de choisir des prédicteurs importants grâce au clustering ?
Il s'agirait d'une approche similaire à l'analyse en composantes principales, mais au lieu de regarder les diagrammes de chargement pour voir des variables similaires, JMP les regroupera automatiquement pour vous. Vous pouvez alors choisir la variable la plus représentative du cluster ou encore créer la variable "typique" du cluster. Cela vous aidera à éviter les "informations redondantes" que vous voyez souvent avec de nombreuses variables.
Vous pouvez utiliser Partition.
Typiquement, dans notre Fab, nous l'utilisons après avoir supprimé les prédicteurs non importants (considérons que nous avons généralement plus de milliers de prédicteurs et beaucoup de bruit dans nos données ....)
Il existe de nombreuses façons d'utiliser Partition, mais pensez à cette toute première division. L'approche doit déterminer quelle division contient le plus d'informations. C'est une sélection variable. Vous pouvez également utiliser une astuce que Dick DeVeaux appelle "secouer l'arbre". Divisez plusieurs fois, puis examinez les contributions des colonnes des variables pour identifier les plus importantes. Autant de façons d'utiliser cette plateforme flexible !
Vous pouvez utiliser la PCR (régression en composantes principales).
Nous le savons mais nous perdons des informations sur la signification du prédicteur et nous préférons ne pas l'utiliser.
Entendu. Je ne suis pas un grand fan de PCR pour cette raison. Cependant, en examinant les chargements des variables uniquement pour les composantes principales significatives, vous pourriez éventuellement identifier les variables d'origine qui sont importantes. Utilisez ces variables d'origine importantes pour commencer à créer votre modèle. Rien ne dit que vous devez vous en tenir aux composants principaux.
Il existe des méthodes basées sur les graphes : diagrammes normaux, diagramme de Pareto, diagramme de Bayes.
Je ne sais pas comment faire une sélection de fonctionnalités avec un graphique. Pardon.
Rien à regretter. C'est pourquoi nous créons la classe. Les gens ne connaissent souvent pas ces outils.
Un nouveau cours est en cours de création, intitulé "JMP Software : Recherche de prédicteurs importants", qui aborde ce problème et couvre ces techniques, en utilisant à la fois JMP et JMP Pro. Ce cours de deux jours sera probablement disponible pour livraison chez les clients à partir d'avril.
C'est une excellente nouvelle. J'espère que ce sera aussi disponible pour l'Italie. Si oui bien sûr je les suivrai.
Toutes les classes que nous créons chez SAS aux États-Unis sont également disponibles pour les bureaux SAS internationaux. S'ils n'ont pas d'instructeur qui connaît le sujet, ils peuvent en demander un à une autre région qui possède les compétences. Demandez simplement la formation à votre bureau SAS local !
Rgds.Félix
J'espère que mes commentaires ont été utiles.
Dan
Re : Sélection des fonctionnalités dans JMPCiao Dan
merci beaucoup pour votre msg.
J'ai un commentaire à faire....
Vous pouvez simplement utiliser la régression pas à pas (un classique).
Peut-il manipuler plus de 1 000 prédicteurs ?
Vous pouvez utiliser le clustering de variables.
Pouvez-vous me donner plus de détails sur cette technique sur la façon de choisir des prédicteurs importants grâce au clustering ?
Vous pouvez utiliser Partition.
Typiquement, dans notre Fab, nous l'utilisons après avoir supprimé les prédicteurs non importants (considérons que nous avons généralement plus de milliers de prédicteurs et beaucoup de bruit dans nos données ....)
Vous pouvez utiliser la PCR (régression en composantes principales).
Nous le savons, mais nous perdons des informations sur la signification du prédicteur et nous préférons ne pas l'utiliser.
Il existe des méthodes basées sur les graphes : diagrammes normaux, diagramme de Pareto, diagramme de Bayes.
Je ne sais pas comment faire une sélection de fonctionnalités avec un graphique. Pardon.
Un nouveau cours est en cours de création, intitulé "JMP Software : Recherche de prédicteurs importants", qui aborde ce problème et couvre ces techniques, en utilisant à la fois JMP et JMP Pro. Ce cours de deux jours sera probablement disponible pour livraison chez les clients à partir d'avril.
C'est une excellente nouvelle. J'espère que ce sera aussi disponible pour l'Italie. Si oui bien sûr je les suivrai.
Rgds.Félix
Re : Sélection des fonctionnalités dans JMPSuper
Je l'ai utilisé. Très beau.
Félix
Re : Sélection des fonctionnalités dans JMPEn plus de toutes les excellentes suggestions de mes collègues ci-dessus, si vous avez un nombre relativement restreint de variables, je regarderais également la plate-forme Méthodes multivariées -> Multivariée -> Matrice de diagramme de dispersion. Cela vous donnera une belle matrice de corrélations par paires qui peuvent exister entre les variables et cela peut être utile pour essayer de découvrir les corrélations qui pourraient exister dans l'ensemble de prédicteurs. Ces corrélations ne fonctionnent pas bien avec certaines procédures de régression telles que la régression des moindres carrés ordinaires (appelée Standard Least Squares dans JMP). Si vous suivez la voie des moindres carrés standard, assurez-vous de vérifier les facteurs d'inflation de la variance dans le tableau des estimations des paramètres pour obtenir des indications sur les corrélations des prédicteurs qui peuvent être présentes.
Re : Sélection des fonctionnalités dans JMPVous avez obtenu quelques bons choix parmi les réponses précédentes (dont je vais répéter certaines), mais il y en a d'autres.
Vous pouvez simplement utiliser la régression pas à pas (un classique). Vous pouvez utiliser la régression All-Subsets. Vous pouvez utiliser le clustering de variables. Vous pouvez utiliser Partition. Vous pouvez utiliser PLS. Vous pouvez utiliser la PCR (régression en composantes principales). Il existe des méthodes basées sur les graphes : diagrammes normaux, diagramme de Pareto, diagramme de Bayes. Vous pouvez utiliser le filtrage prédictif, etc.
Un nouveau cours est en cours de création, intitulé "JMP Software : Recherche de prédicteurs importants", qui aborde ce problème et couvre ces techniques, en utilisant à la fois JMP et JMP Pro. Ce cours de deux jours sera probablement disponible pour livraison chez les clients à partir d'avril. Il sera offert en classe publique pour la première fois lors de la conférence Discovery en octobre à Saint-Louis.
Re : Sélection des fonctionnalités dans JMPSalut Felice,
Il existe également un élément appelé Predictor Screening dans JMP. Voici un lien sur cette option.
http://www.jmp.com/support/help/13/Predictor_Screening.shtml
Cela peut aider à réduire le nombre de prédicteurs possibles et se trouve dans JMP.
Re : Sélection des fonctionnalités dans JMPBonjour Félice,
Il n'y a pas de régression généralisée en soi dans JMP standard. Vous avez cependant quelques options. Si vous avez des facteurs/entrées fortement corrélés, vous pouvez utiliser les moindres carrés partiels ou l'analyse en composantes principales. Une autre option serait d'utiliser l'analyse de partition/les arbres de décision. Assurez-vous d'utiliser un ensemble d'exclusions pour vérifier la capacité prédictive de tout modèle que vous créez. Pour l'analyse de partition, regardez sous le point chaud rouge en haut et sélectionnez Contributions de colonne pour voir quels facteurs sont les plus importants.
J'espère que cela t'aides.
Facture
