Abbiamo qualche problema a capire come JMP tratta i dati categorici in foreste casuali. Abbiamo creato un piccolo set di dati pilota e mappato i dati categorici utilizzando una varietà di tecniche, incluse molte suggerite in questo forum. Tuttavia, non capisco davvero perché dovremmo vedere così tanta differenza nelle prestazioni quando si utilizzano queste mappature. Se sto mappando un insieme discreto di valori su un altro insieme discreto di valori (ad esempio, stringhe di caratteri su numeri interi), perché dovrebbe fare così tanta differenza in JMP?
Non vediamo questo tipo di variazione quando si utilizzano algoritmi di foreste casuali di Python o MATLAB. Con JMP, la differenza nei tassi di errore per i dati trattenuti e sul training set è significativa.
Abbiamo letto la maggior parte dei post su questo argomento e possiamo fornire maggiori dettagli, incluso un set di dati di prova, se necessario. Ma prima di saltare nella tana del coniglio di scegliere un metodo che ottimizzi le prestazioni in JMP, speravo che qualcuno potesse spiegare brevemente perché la loro implementazione di foreste casuali è così sensibile al modo in cui si mappano i dati categorici.
Grazie.
I valori interi mappati utilizzano il tipo di modellazione nominale o il tipo di modellazione continua predefinito?
Ciao Mark,
Buon punto. Il mio studente universitario che faceva questo lavoro ha detto "oh!" 
Grazie mille,
-Joe
