다중 회귀를 수행하기 전에 여러 요인(~200개 열) 중 중요하지 않은 요인을 쉽게 선별하는 방법.나는 많은 요인(~200개 열)과 하나의 응답을 가지고 있으며 많은 측정값을 가지고 있습니다.
이 요인의 대부분은 그들 사이의 공선성을 보여줍니다. 관련 없는 요인의 첫 번째 필터를 수행하는 간단한 방법이 있습니까?
그런 다음 나머지에서는 다중 회귀를 수행합니다.
예측 모델링 및 기계 학습Re: 다중 회귀를 수행하기 전에 여러 요인(~200개 열) 중 중요하지 않은 요인을 쉽게 선별하는 방법입니다.좋은 아침이에요,
반응 변수에 대한 매개변수를 분류하려면 다음과 같은 여러 도구를 사용할 수 있습니다.
- 회귀자 선별
- 답변 심사
두 도구는 동일한 결과를 제공하지 않을 수 있습니다. 이 경우 이는 모델에서 명시적이지 않은 "숨겨진" 항(2차 항, 교차 항)이 있음을 의미할 수 있습니다.
반면에 예측 공식을 갖고 싶다면 최소 제곱 회귀(선형 모델)를 사용할 수 있습니다. 이 방법을 사용하면 모델에 영향을 주지 않는 매개변수를 제거하여 모델을 단계별로 구축할 수 있습니다.
Re: 다중 회귀를 수행하기 전에 여러 요인(~200개 열) 중 중요하지 않은 요인을 쉽게 선별하는 방법입니다.안녕 @Perpignan_italy ,
귀하의 응답에 가장 큰 영향을 미치는 요인을 강조하고 싶다면, 예측자 선별(jmp.com) 플랫폼은 좋은 첫 번째 탐색 단계인 것 같습니다.
Random Forest를 기반으로 하기 때문에 다중 공선성이 있는 경우에도 각 요인/특성을 "동등하게" 테스트할 수 있습니다.
가장 중요한 예측 변수를 기반으로 모델을 만들고 회귀 모델을 사용하려면 적절한 모델(Lasso, Ridge 또는 Elastic Net 회귀와 같은 페널티가 적용되거나 부분 최소 제곱과 같은 기타 회귀 모델)을 선택해야 할 수도 있습니다. ) 또는 모델에서 다중 공선성을 올바르게 설명하기 위해 일부 사전 처리(주성분 분석 및 주성분에 대한 회귀 수행)를 수행합니다.
다중 공선성을 처리할 수 있고 더 적은 가정으로 처리할 수 있는 간단한 모델을 사용할 수도 있습니다(예: 플랫폼의 의사결정 트리). 파티션 모델(jmp.com) ) 일단 예측변수가 선택되면.
이 답변이 도움이 되길 바라며,
Re: 다중 회귀를 수행하기 전에 여러 요인(~200개 열) 중 중요하지 않은 요인을 쉽게 선별하는 방법입니다.정말 감사합니다. 귀하의 제안을 시도해 보겠습니다.
