545138_de-DE

liliconcom

Kombinieren vieler Spalten zum Testen von Interaktionen in den Plattformen für prädiktive Modellierung

Ich habe einen Datensatz mit vielen Prädiktoren und möchte für alle (also alle möglichen Interaktionen) eine Fakultät zweiter Ordnung berechnen. Wenn ich „Modell anpassen“ verwende, wähle ich normalerweise einfach alle Prädiktoren aus, setze die Fakultät auf 2 und wähle dann „Fakultät bis Grad“. Für andere Plattformen wird diese Fakultäts-/Interaktionsfunktion jedoch nicht unterstützt. Daher muss ich 14 Spalten kombinieren, also 14^2 = fast 200 neue Spalten, die erstellt werden müssen. Nun könnte ich die Funktion „Spalten kombinieren“ im Menü „Spalten“ 200 Mal verwenden, aber ich vermute, dass es eine Möglichkeit gibt, dies auf viel einfachere Weise zu tun (und vielleicht sogar ohne JSL).

Ich habe versucht, die Fakultäten zweiter Ordnung einfach aus dem Feld „Modelleffekte konstruieren“ von „Modell anpassen“ zu kopieren und in die neuronale Plattform einzufügen, aber das funktioniert nicht. Ich fange an zu glauben, dass das Problem einfach darin liegt, dass bestimmte (wenn nicht alle) Plattformen für prädiktive Modellierung KEINE Interaktionseffekte akzeptieren. Deshalb denke ich, dass ich stattdessen Interaktionsspalten manuell erstellen muss. Irgendwelche Ideen?

Datenexploration und -visualisierungVersuchsplanungmacOSBetreff: Kombinieren vieler Spalten zum Testen von Interaktionen in den Vorhersagemodellierungsplattformen

Entschuldigung, ich wollte meine Antwort auf Georg an Sie beide richten. Das ist ein großartiger Punkt, wenn es darum geht, das Modell-Screening für Interaktionen zweiter Ordnung zu nutzen (insbesondere wenn die Plattform selbst solche Interaktionen nicht unterstützt). Mit diesem Wissen und der Tatsache, dass einige der Methoden tatsächlich Interaktionen inhärent berücksichtigen, denke ich, dass ich das meiste von dem, was ich tun muss, erledigen kann!

Betreff: Kombinieren vieler Spalten zum Testen von Interaktionen in den Vorhersagemodellierungsplattformen

Georg, danke und das ist ein toller Punkt, über den ich nach dem Posten mehr nachgedacht habe (und zeigt meine Naivität). Ich denke definitiv, dass das neuronale Netzwerk von Natur aus Interaktionen berücksichtigt. Ich weiß, dass Sie beim Modellscreening das Kontrollkästchen aktivieren können, um quadratische Effekte oder sogar Effekte zweiter Ordnung zu berücksichtigen .... sogar für Modellierungszeiten, die sie nicht in der Plattform selbst berücksichtigen (z. B. neural). UND ich habe den Interaktionsprofiler völlig VERGESSEN, der für das, was ich tun möchte, SUPER hilfreich sein wird, also nochmals vielen Dank für Ihre Kommentare und Vorschläge!

Betreff: Kombinieren vieler Spalten zum Testen von Interaktionen in den Vorhersagemodellierungsplattformen

Liebling @abmayfield , ich denke, es besteht keine Notwendigkeit, Effekte 2. Ordnung zu spezifizieren, da Modelle wie neuraler und verstärkter Baum sie auf natürliche Weise modellieren können, da sie komplex genug sind. Sie können das folgende Beispiel ausprobieren, und zB im Profiler können Sie angeben, dass die Interaktionen überprüft werden sollen, ohne sie für neuronal angegeben zu haben. Effekte höherer Ordnung müssen speziell für Regressionsmodelle spezifiziert werden, da ohne die dahinter stehende Formel keine quadratischen Effekte oder Wechselwirkungen möglich wären.

 

Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/Tiretread.jmp" );
obj = dt << Profiler(
 Y(
  :Pred Formula ABRASION, :Pred Formula MODULUS, :Pred Formula ELONG,
  :Pred Formula HARDNESS
 )
);
obj << Interaction Profiler( 1 );

Neural(
 Y( :ABRASION, :MODULUS, :ELONG, :HARDNESS ),
 X( :SILICA, :SILANE, :SULFUR ),
 Informative Missing( 0 ),
 Validation Method( "Holdback", 0.3333 ),
 Fit(
  NTanH( 3 ),
  Profiler(
   1,
   Desirability Functions( 1 ),
   Interaction Profiler( 1 ),
   Term Value(
    SILICA( 1.2, Lock( 0 ), Show( 1 ) ),
    SILANE( 50, Lock( 0 ), Show( 1 ) ),
    SULFUR( 2.3, Lock( 0 ), Show( 1 ) )
   )
  )
 )
);

 

Betreff: Kombinieren vieler Spalten zum Testen von Interaktionen in den Vorhersagemodellierungsplattformen

Hallo @abmayfield ,

 

Wenn Sie Ihr Modell (jede Art von Modell für maschinelles Lernen in JMP Pro, neuronale Netze usw.) über die Plattform „Model Screening“ (in „Analysieren“, „Predictive Modeling“ und dann „Model Screening“) erstellen, können Sie Wechselwirkungen und quadratische Effekte spezifizieren in vielen verschiedenen Modellen, einschließlich neuronaler Netze (siehe Screenshot "Model_screening_options").

Sie haben auch einige andere Optionen für die Validierung, wie Kreuzvalidierungen, Spaltenvalidierung usw.

 

Wenn der Vergleich der Modelle abgeschlossen ist, können Sie von da an das spezifische Modellierungsfenster für jedes getestete Modell öffnen.

Hoffe das wird dir helfen,