Ho un cliente che sta facendo una valutazione di JMP Pro e ha fatto una buona domanda.Esaminando il set di dati sul diabete, hanno eseguito una rete neurale sulla risposta Y in funzione dei fattori: LTG, BMI, BP, HDL, età, glucosio, LDL, TCH, colesterolo totale e sesso.Il profiler mostra che l'effetto del genere è piccolo rispetto agli altri fattori:
Dal profiler, l'effetto della variazione di genere su Y è inferiore, diciamo, al BMI.
Tuttavia, osservando i risultati della variabile importanza, vediamo che il genere è in cima alla lista:
Guardando la matrice del grafico a dispersione e la mappa dei colori sulle correlazioni, l'utilizzo degli input ricampionati dipendenti ha più senso poiché i fattori sono correlati (come suggerito nella Guida).
La domanda del cliente è questa: perché il profiler mostra che il genere ha un piccolo effetto rispetto al risultato Importanza variabile che mostra che il genere ha l'effetto maggiore?
Il cliente ha anche chiesto quale dimensione del campione fosse necessaria affinché l'utilizzo dei risultati degli input ricampionati dipendenti fosse valido.La Guida afferma che non funziona se la dimensione del campione è "troppo piccola" ma non dice quanto piccolo è piccolo.
Il controllo dei dettagli statistici per l'importanza della variabile dice che utilizza la varianza del valore atteso della risposta ma non fornisce molti dettagli.Presumo che la differenza tra il risultato del profiler e i risultati dell'importanza variabile abbia a che fare con il profiler che utilizza il valore atteso di Y e il risultato dell'importanza variabile che utilizza la varianza del valore atteso di Y.Tuttavia, vorrei maggiori dettagli in modo da poterlo spiegare al cliente.
Grazie!
Charlie
