@FR60 schrieb:
Ciao Dan
Vielen Dank für Ihre Nachricht.
Ich muss einen Kommentar abgeben...
Sie könnten einfach die schrittweise Regression (einen Klassiker) verwenden.
Kann es mehr als 1.000 Prädiktoren manipulieren?
Ja. Wenn Sie über genügend Arbeitsspeicher auf Ihrem Computer verfügen, um große Probleme zu bewältigen. Ich habe gerade ein einfaches Beispiel mit 10.000 Beobachtungen und 2.000 Prädiktoren ausgeführt. Schrittweise hat es gut funktioniert.
Sie könnten Variablen-Clustering verwenden.
Können Sie mir weitere Details zu dieser Technik zur Auswahl wichtiger Prädiktoren durch Clustering geben?
Dies wäre ein Ansatz, der der Hauptkomponentenanalyse ähnelt, aber anstatt Diagramme zu laden, um ähnliche Variablen zu sehen, gruppiert JMP sie automatisch für Sie. Anschließend können Sie die Variable auswählen, die für den Cluster am repräsentativsten ist, oder sogar die „typische“ Variable für den Cluster erstellen. Dadurch können Sie die „redundanten Informationen“ vermeiden, die bei vielen Variablen häufig auftreten.
Sie könnten Partition verwenden.
Typischerweise verwenden wir es in unserer Fab, nachdem wir nicht wichtige Prädiktoren entfernt haben (denken wir daran, 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 ermitteln, welcher Split die meisten Informationen enthält. Das ist eine variable Auswahl. Sie könnten auch einen Trick anwenden, den Dick DeVeaux „den Baum schütteln“ nennt. Teilen Sie die Variablen viele, viele Male auf 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 ziehen es dann vor, sie nicht zu verwenden.
Verstanden. Aus diesem Grund bin ich kein großer Fan der PCR. Wenn Sie jedoch nur die Ladungen der Variablen für die signifikanten Hauptkomponenten betrachten, könnten Sie möglicherweise die ursprünglichen Variablen identifizieren, die wichtig sind. Verwenden Sie diese wichtigen Originalvariablen, um mit der Erstellung Ihres Modells zu beginnen. Es gibt nichts, was besagt, dass man sich an die Hauptkomponenten halten muss.
Es gibt graphbasierte Methoden: Normalplots, Pareto-Plots, Bayes-Plots.
Ich weiß nicht, wie man eine Feature-Auswahl mit einem Diagramm durchführt. Entschuldigung.
Es gibt keinen Grund, sich zu bedauern. Deshalb erstellen wir die Klasse. Die Menschen sind sich dieser Tools oft nicht bewusst.
Derzeit wird ein neuer Kurs mit dem Titel „JMP Software: Wichtige Prädiktoren finden“ erstellt, der sich mit diesem Problem befasst und diese Techniken unter Verwendung von JMP und JMP Pro behandelt. Dieser zweitägige Kurs wird voraussichtlich ab April an Kundenstandorten verfügbar sein.
Das sind großartige Neuigkeiten. Ich hoffe, dass das auch für Italien verfügbar sein 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 Dozenten haben, der sich mit dem Thema auskennt, können sie einen aus einer anderen Region anfordern, der über die entsprechenden Fähigkeiten verfügt. Fragen Sie einfach Ihr lokales SAS-Büro nach der Schulung!
Rgds.Felice
