Sélection des fonctionnalités dans JMPSalut
Je sais que dans JMP Pro pour la sélection de fonctionnalités (je ne suis pas intéressé par une 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 afin de ne conserver que les plus importants ?
Merci Félice
Re : Sélection de fonctionnalités dans JMPJMP vous indiquera quelle variable est la plus représentative du cluster. Cela déterminera également le nombre approprié de clusters à utiliser.
Re : Sélection de 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 charger des tracés pour voir des variables similaires, JMP les regroupera automatiquement pour vous. Vous pouvez alors choisir la variable la plus représentative du cluster ou même 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 (une règle sur la façon de choisir la taille de ce nombre ..) comment puis-je identifier la variable la plus représentative pour chaque cluster ?
Merci.Félice
Re : Sélection de fonctionnalités dans JMP
Mes réponses à vos questions sont en bleu.
@FR60 a écrit:
Ciao Dan
merci beaucoup pour votre message.
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 disposez de la 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 permettant de choisir des prédicteurs importants via le clustering ?
Il s'agirait d'une approche similaire à l'analyse en composantes principales, mais au lieu de charger des tracés pour voir des variables similaires, JMP les regroupera automatiquement pour vous. Vous pouvez alors choisir la variable la plus représentative du cluster ou même 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 la partition.
Généralement, dans notre Fab, nous l'utilisons après avoir supprimé les prédicteurs non importants (considérons qu'en général nous avons plus de milliers de prédicteurs et beaucoup de bruit dans nos données....)
Il existe de nombreuses façons d'utiliser la 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 des prédicteurs et préférons alors ne pas les utiliser.
Compris. Je ne suis pas un grand fan du PCR pour cette raison. Cependant, en examinant les chargements des variables uniquement pour les composantes principales significatives, vous pourriez éventuellement identifier les variables originales qui sont importantes. Utilisez ces variables originales importantes pour commencer à créer votre modèle. Rien n’oblige à s’en tenir aux principaux composants.
Il existe des méthodes basées sur des graphiques : tracés normaux, tracé de Pareto, tracé de Bayes.
Je ne sais pas comment sélectionner des fonctionnalités avec un graphique. Désolé.
Il n'y a pas de quoi être désolé. C'est pourquoi nous créons la classe. Les gens ignorent souvent ces outils.
Un nouveau cours est en cours de création, intitulé « JMP Software : Finding Important Predictors » 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 cela sera également disponible pour l'Italie. Si oui, c'est sûr, je les suivrai.
Tous les cours que nous créons chez SAS aux États-Unis sont également disponibles dans les bureaux SAS internationaux. S’ils ne disposent pas d’un instructeur connaissant le sujet, ils peuvent en demander un à une autre région possédant les compétences nécessaires. Demandez simplement la formation à votre bureau SAS local !
Rgds.Félice
J'espère que mes commentaires ont été utiles.
Dan
Re : Sélection de fonctionnalités dans JMPCiao Dan
merci beaucoup pour votre message.
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 permettant de choisir des prédicteurs importants via le clustering ?
Vous pouvez utiliser la partition.
Généralement, dans notre Fab, nous l'utilisons après avoir supprimé les prédicteurs non importants (considérons qu'en général nous avons 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 des prédicteurs et préférons alors ne pas les utiliser.
Il existe des méthodes basées sur des graphiques : tracés normaux, tracé de Pareto, tracé de Bayes.
Je ne sais pas comment sélectionner des fonctionnalités avec un graphique. Désolé.
Un nouveau cours est en cours de création, intitulé « JMP Software : Finding Important Predictors » 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 cela sera également disponible pour l'Italie. Si oui, c'est sûr, je les suivrai.
Rgds.Félice
Re : Sélection de fonctionnalités dans JMPSuper
Je l'ai utilisé. Très agréable.
Félice
Re : Sélection de fonctionnalités dans JMPEn plus de toutes les excellentes suggestions de mes collègues ci-dessus, si vous avez un nombre relativement petit de variables, je consulterais également la plateforme Méthodes multivariées -> Multivariée -> Matrice de nuage de points. Cela vous donnera une belle matrice de corrélations par paires qui peuvent exister entre les variables, ce qui peut être utile pour essayer de découvrir les corrélations qui pourraient exister au sein de l'ensemble de prédicteurs. Ces corrélations ne fonctionnent pas bien avec certaines procédures de régression telles que la régression des moindres carrés ordinaires (appelée moindres carrés standard dans JMP). Si vous suivez le chemin standard des moindres carrés, 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 de prédicteurs qui peuvent être présentes.
Re : Sélection de fonctionnalités dans JMPVous avez obtenu de bons choix parmi les réponses précédentes (dont certaines que je répéterai), 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 la partition. Vous pouvez utiliser PLS. Vous pouvez utiliser la PCR (régression en composantes principales). Il existe des méthodes basées sur des graphiques : tracés normaux, tracé de Pareto, tracé de Bayes. Vous pouvez utiliser le filtrage par prédicteurs, etc.
Un nouveau cours est en cours de création, intitulé « JMP Software : Finding Important Predictors » 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 proposé en classe publique pour la première fois lors de la conférence Discovery en octobre à Saint-Louis.
Re : Sélection de fonctionnalités dans JMPSalut Félice,
Il existe également quelque chose 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 de 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 hautement corrélés, vous pouvez utiliser soit les moindres carrés partiels, soit 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 des partitions, regardez sous le point rouge en haut et sélectionnez Contributions aux colonnes pour voir quels facteurs sont les plus importants.
J'espère que cela t'aides.
Facture
