Hola,
Una pregunta general sobre una solicitud de DOE. Tengo un conjunto de datos con 30 características independientes. La respuesta es ceder. Por supuesto, los datos son bastante ruidosos y cuando ejecuto Random Forest (RF), obtengo, en el mejor de los casos, R^2 del 70% en los datos de validación. Llevar a cabo un DOE real no es posible en absoluto debido a la logística del mismo. Sin embargo, digamos que tomo el modelo RF como mi proceso de generación de datos. Luego diseño un experimento utilizando el mínimo/máximo de las funciones. Esto dará una matriz enorme, pero no hay problema ya que la potencia informática no es un problema. Luego introduzco la matriz DOE en el RF y genero rendimiento. Luego uso OLS para modelar el rendimiento usando la matriz de diseño como mis características. ¡Obtuve un R^2 de 0,92!
Esto puede parecer una trampa y no ser válido, por lo que me gustaría conocer la opinión de los expertos sobre este enfoque.
El objetivo aquí es encontrar configuraciones de funciones que maximicen el rendimiento.
Gracias,
Mi granito de arena: ¿Por qué molestarse con el DOE? Tiene un modelo del bosque aleatorio que puede usar con Prediction Profiler para encontrar la configuración óptima para sus 'características' que interpreto como factores en el lenguaje DOE. Además, creo que es un poco trampa porque, al menos, no hay ruido en el sistema en relación con las respuestas, ya que son simplemente deterministas del modelo de RF para cada una de las combinaciones de tratamiento.
