wie man die Variablenwichtigkeit vs. Profiler interpretiertIch habe einen Kunden, der eine JMP Pro-Bewertung durchführt, und er hat eine gute Frage gestellt.Mit Blick auf den Diabetes-Datensatz führten sie ein neuronales Netzwerk für die Reaktion Y als Funktion der folgenden Faktoren durch: LTG, BMI, BP, HDL, Alter, Glukose, LDL, TCH, Gesamtcholesterin und Geschlecht.Der Profiler zeigt, dass der Einfluss des Geschlechts im Vergleich zu den anderen Faktoren gering ist:
Aus dem Profiler geht hervor, dass die Auswirkung unterschiedlicher Geschlechter auf Y geringer ist als beispielsweise auf den BMI.
Wenn wir uns jedoch die Ergebnisse der Variablenwichtigkeit ansehen, sehen wir, dass das Geschlecht ganz oben auf der Liste steht:
Betrachtet man die Streudiagrammmatrix und die Farbkarte der Korrelationen, ist die Verwendung der abhängigen neu abgetasteten Eingaben am sinnvollsten, da die Faktoren korrelieren (wie in der Hilfe vorgeschlagen).
Die Frage des Kunden lautet wie folgt: Warum zeigt der Profiler an, dass das Geschlecht einen kleinen Einfluss hat, im Vergleich zum Ergebnis der variablen Wichtigkeit, das zeigt, dass das Geschlecht den größten Einfluss hat?
Der Kunde fragte außerdem, welche Stichprobengröße erforderlich sei, damit die Ergebnisse der abhängigen neu abgetasteten Eingaben gültig seien.In der Hilfe wird erwähnt, dass es nicht funktioniert, wenn die Stichprobengröße „zu klein“ ist, aber es wird nicht angegeben, wie klein klein ist.
Die Überprüfung der statistischen Details für die Variable Wichtigkeit zeigt, dass die Varianz des erwarteten Werts der Antwort verwendet wird, liefert aber nicht viele Details.Ich gehe davon aus, dass der Unterschied zwischen dem Profiler-Ergebnis und den Ergebnissen der variablen Wichtigkeit etwas damit zu tun hat, dass der Profiler den erwarteten Wert von Y verwendet und das Ergebnis der variablen Wichtigkeit die Varianz des erwarteten Werts von Y verwendet.Allerdings hätte ich gerne mehr Details, damit ich es dem Kunden erklären kann.
Danke!
Charlie
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Nun, jetzt bin ich auch verwirrt.
Ich habe mich gefragt, ob das, was Sie sehen, auf die Multikollinearität aller Faktoren zurückzuführen ist. Ich halte das Geschlecht für die am wenigsten wichtige Variable, wenn ich sowohl den Bootstrap Forest als auch das Predictor Screening verwende.
Wenn ich jedoch Variablen-Clustering verwende, um die Prädiktoren auf TCH, Gesamtcholesterin und Blutdruck zu reduzieren und auch das Geschlecht einzubeziehen, sehe ich die gleichen Ergebnisse wie Sie bei der Variablenbedeutung:
Jetzt stelle ich mein Verständnis des Abschnitts „Variable Bedeutung“ in Frage und freue mich auf die Antwort auf Ihre Frage.
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Danke Jed!Wie ich bereits erwähnt habe, kann es etwas damit zu tun haben, dass der Profiler den Erwartungswert und die Variablenbedeutung die Varianz verwendet.Aber ich hätte gerne einen Expertenkommentar.Danke!
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Die Experten unserer Gruppe zu diesem Thema sind Ryan Parker und Chris Gotwalt. Sehen Sie sich hier ihre Originalarbeiten an https://community.jmp.com/t5/Discovery-Summit-2013/Exploring-Variable-Clustering-and-Importance-in-JMP/ta-p/40686
Hier ist meine Interpretation, warum das Ergebnis bei diesen Daten mit diesem Modell und der Auswahl „Abhängige neu abgetastete Eingaben“ so aussieht.
Die Frage des Kunden trifft genau das Richtige: die Stichprobengröße!
Wenn „Abhängige neu abgetastete Eingaben“ ausgewählt ist, verfügt das angepasste Modell über einen Achsenabschnitt, 10 Hauptfaktoren und 45 Interaktionsterme. Siehe Seite 10 in dieser PowerPoint-Datei von Ryan. Und Geschlecht ist kategorisch, es werden zusätzliche Spalten in der Designmatrix erstellt. Das Modell ist wirklich groß. Und 442 Zeilen scheinen nicht auszureichen.
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Ja, ich denke, Peng hat hier Recht. Wir hatten einige interne Diskussionen mit Ryan und Chris und es ist nicht ganz klar, was hier vor sich geht, aber Ryans größte Sorge war die Tatsache, dass die Stichprobengröße wahrscheinlich nicht groß genug für den Fall „Dependent Resampled“ ist.
Eine andere Erklärung hat mit der Korrelation zwischen den Eingaben zu tun.Per Ryan: „Wenn man sich zum Beispiel die Spuren ansieht, könnte man meinen, dass LTG und HDL den größten Einfluss hätten.“ Aber wenn man ihre Korrelation betrachtet, sind sie negativ korreliert und das ist wahrscheinlich eine Möglichkeit zu erklären, warum im abhängigen Fall die Auswirkung dieser Variablen geringer wäre.“
Eine Sache, die mir aufgefallen ist, ist, dass die Verwendung unabhängiger Resampling-Eingaben ein getreueres Bild der relativen Größe der Effekte zu liefern scheint (ähnlich wie der Profiler und andere Methoden wie Spaltenbeiträge im BF-Modell), dies wird jedoch nicht empfohlen, da wir dies könnten Wir simulieren auf Faktorebene Kombinationen, die nicht repräsentativ für das sind, was wir tatsächlich im wirklichen Leben sehen würden.
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Ah, aber die Fähigkeit von JMP, Ergebnisse zu untersuchen, die nicht unseren Erwartungen entsprechen. Wenn Sie die Extrapolationskontrolle in den Profilern aktivieren und mit den Faktoreinstellungen „spielen“, werden Sie beginnen, „Lücken“ in den Daten zu sehen. Das sind Bereiche, in denen der Versicherungsschutz für Männer anders ist als für Frauen. Hierbei handelt es sich um biologische Daten mit Blutwerten, und Blutwerte können aufgrund des Geschlechts unterschiedliche Verteilungen aufweisen (verwenden Sie die Anpassung y-x-x mit dem Geschlecht als X und die Blutwerte als Ys und verwenden Sie dann die Vergleichsdichten). Es gibt also subtile Unterschiede aufgrund des Geschlechts ... und Kombinationen in den Daten, die nur ein Geschlecht betreffen (z. B. hoher HDL), die sich auf die Neuberechnung auswirken. Es ist die Fähigkeit, im Handumdrehen zu erkunden und schnell in Daten einzudringen, die die Modellierung in JMP zum Spaß macht!
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Was hinzufügen @karencopeland Wie bereits erwähnt, hatte ich gerade eine solche „Blutplasma“-Situation bei einem Kunden. Sie hatten nicht genug von einem Plasma und arbeiteten mit einem anderen weiter (13 vom ersten, 1 vom zweiten und 3 weitere von einem dritten Plasma). Dann modellierten sie es mit Plasma als Blockierungsfaktor im Modell. Die Ergebnisse waren ... ähm ... lustig, besonders wenn man die Extrapolationskontrolle aktiviert hat 
Darüber hinaus kann der Variablenwichtigkeitsbericht auch erheblich abweichen, wenn Sie eine andere Option verwenden. Es ist also sehr zu empfehlen, einen Blick auf die Entdeckungspräsentation zu werfen
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Danke Martin!Gute Argumente!
Betreff: Wie ist die Variablenwichtigkeit im Vergleich zum Profiler zu interpretieren?Danke Karen!Ich muss mir die Extrapolationssteuerung in den Profilern ansehen, um das herauszufinden.
