@Victor_G Merci pour l'idée.Nous prendrons cela en considération.
Qu'est-ce qui a inspiré cette demande de liste de souhaits ?
Lors de la construction de modèles complexes basés sur un grand nombre de variables colinéaires/corrélées, plusieurs possibilités s'offrent à vous. L'une d'elles consiste à transformer les variables en composantes principales, puis à créer un modèle basé sur ces composantes principales pour éviter les problèmes de colinéarité, réduire la dimensionnalité et conserver une grande partie de l'information initiale.
Le problème qui pourrait survenir dans la modélisation prédictive est la fuite de données : les informations de l'ensemble de validation et/ou de l'ensemble de test sont utilisées dans le prétraitement et/ou la construction du modèle.
Cela peut se produire dans la plateforme PCA si les lignes de validation/test ne sont pas masquées et exclues : si la PCA est effectuée sur l'ensemble de données et après que les modèles sont construits sur les données des composants principaux de formation, le modèle contient toujours une partie des informations de la validation. et des ensembles de tests. L'évaluation du modèle peut devenir biaisée dans la mesure où les performances seraient évaluées de manière trop « optimiste ».
Quelle est l’amélioration que vous souhaiteriez voir ?
Comme pour les autres plateformes (voir Fit Model ci-dessous), j'aimerais un rôle de validation lors du lancement de la boîte de dialogue de la plateforme PCA, afin que la PCA soit créée avec les lignes d'entraînement, et appliquée sur les lignes de validation et de test :
Pourquoi cette idée est-elle importante ?
Le rôle de validation de la PCA permettrait aux utilisateurs d'être plus conscients de cette situation de fuite de données lorsqu'ils construisent des modèles prédictifs. Cela fait également partie des meilleures pratiques de diviser d'abord l'ensemble de données en ensembles d'entraînement/valide/test avant d'effectuer une transformation/un modèle, donc l'ajout de ce rôle de validation appliquerait une meilleure pratique fiable pour les utilisateurs.
Enfin, il serait également plus facile d'utiliser la PCA de manière plus fiable comme étape de prétraitement pour les modèles prédictifs dotés de cette fonctionnalité, au lieu d'exclure les lignes manuellement ou par script.
