Sélection de sous-ensemble pour PLS.
Demandé à nouveau par varbanov.ar
Voici plus de détails sur le processus actuel :
Approche actuelle de P&G pour la sélection de variables PLS à l'aide d'un outil Web interne
VIP détermine l'ordre de retrait
La minimisation de PRESS est utilisée comme règle d'arrêt
Élimination en arrière après la spécification des facteurs PLS maximum (par exemple, 5)
Pour chaque itération et plage de facteur PLS (de 1 à max)
Tout d'abord, tous les prédicteurs avec VIP<0,8 sont supprimés
Ensuite, le prédicteur avec le plus petit VIP est abandonné
Le meilleur modèle PLS (le plus petit PRESS) de cette itération est comparé au meilleur modèle
des itérations précédentes
Arrêter la sélection de variable si PRESS n'est pas une amélioration de PRESS
Un passage à travers les prédicteurs restants pour la suppression des redondants est effectué après
que pour compléter la sélection des variables
---------------------------------------------
Le modèle PLS optimal (avec le plus petit PRESS) a 1 facteur PLS et 3 prédicteurs
L'outil Web fournit les meilleurs modèles de sous-ensemble jusqu'à la taille maximale spécifiée par l'utilisateur
Alternatives utiles lorsque le modèle optimal a encore un grand nombre de prédicteurs
dans le modèle
Pourrait envisager des modèles de plus petite taille si PRESS n'augmente pas beaucoup
-----------------------------------------------
Plus de détails de Silvio Miccio ( silvio.silvio 
Ce serait formidable d'avoir une sorte de meilleur algorithme de sous-ensemble pour PLS, trouvant des facteurs ou des groupes de facteurs pertinents pour prédire Y. La pratique a montré que la suppression de facteurs sans importance se traduit par des modèles avec une erreur de généralisation plus faible.
Faire une sélection de sous-ensemble uniquement basée sur VIP est quelque chose avec lequel je ne me sens pas à l'aise. Les valeurs seuils pour VIP sont arbitraires (comme la valeur folklorique de 0,05 pour les p-values).
Merci pour la suggestion.Le développement étudie cela.
