重回帰を実行する前に、多くの要因 (約 200 列) のうち有意でないものを簡単にスクリーニングする方法。多くの因子 (約 200 列) と 1 つの応答があり、多くのメジャーがあります。
この要素のほとんどはそれらの間の共線性を示していますが、関連性のない要素の最初のフィルターを実行する簡単な方法はありますか?
次に、残りの部分で重回帰を実行します。
予測モデリングと機械学習Re: 重回帰を実行する前に、多くの要因 (約 200 列) のうち有意でないものを簡単にスクリーニングする方法。おはよう、
応答変数のパラメーターを分類するには、いくつかのツールを使用できます。
- リグレッサーのスクリーニング
- 回答のスクリーニング
2 つのツールでは同じ結果が得られない場合があります。 この場合、これは、モデル内で明示的ではない「隠れた」項、つまり二次項や交差項があることを意味する可能性があります。
一方、予測式が必要な場合は、最小二乗回帰 (線形モデル) を使用できます。 この方法を使用すると、モデルに影響を与えないパラメータを削除しながら、モデルを段階的に構築できます。
Re: 重回帰を実行する前に、多くの因子 (約 200 列) のうち有意でないものを簡単にスクリーニングする方法。こんにちは@ペルピニャンイタリア、
応答に最も寄与する要因を強調したい場合は、予測者スクリーニング (jmp.com)プラットフォームは、検討の最初のステップとしては良いと思われます。
ランダム フォレストに基づいているため、多重共線性が存在する場合でも、各要素/特徴を「平等に」テストできます。
最も重要な予測子に基づいてモデルを作成し、回帰モデルを使用したい場合は、適切なモデル (Lasso、Ridge、Elastic Net 回帰などのペナルティ付きモデル、または部分最小二乗法などの他の回帰モデル) を選択する必要がある場合があります。 ) または、モデル内の多重共線性を正しく考慮するために、前処理 (主成分分析と主成分での回帰の実行) を実行します。
多重共線性に対処でき、仮定が少ない単純なモデル (プラットフォームのデシジョン ツリーなど) を使用することもできます。パーティション モデル (jmp.com) ) 予測子が選択されたら。
この回答がお役に立てば幸いです、
Re: 重回帰を実行する前に、多くの因子 (約 200 列) のうち有意でないものを簡単にスクリーニングする方法。ありがとうございます。あなたの提案を試してみます。
