Randomizzazione aggiuntiva per il metodo della foresta bootstrapPer le variabili di input colineari ci aspetteremmo un'importanza variabile simile.
Ma abbiamo notato che per le variabili di input colineari JMP sceglie quale utilizzare per la divisione in base all'ordine in cui sono state fornite alla piattaforma... invece di selezionare casualmente tra quelle variabili divise se ci sono pareggi tra i primi candidati alla divisione. Qualcosa che sembra piccolo... ma finisce per essere importante se vogliamo raccontare tutta la storia.
Abbiamo sollevato la questione con il supporto di JMP il 22/05/2020 (7613090128) e hanno detto che lo avrebbero trasmesso al reparto di ricerca e sviluppo di JMP. Durante il recente workshop sulla modellazione predittiva avanzata che ho portato all'attenzione di Chris Gotwalt, lui ha rapidamente proposto qualche randomizzazione aggiuntiva che è stata rapidamente implementata anche nel loro codice base e dovrebbe essere disponibile nella versione 16.2 o 17.0.
Statistiche e analisiRi: Randomizzazione aggiuntiva per il metodo della foresta bootstrapConfermando che questo problema verrà affrontato in JMP 17.
Ri: Randomizzazione aggiuntiva per il metodo della foresta bootstrap - Stato modificato in: In sviluppoRi: Randomizzazione aggiuntiva per il metodo della foresta bootstrapPossiamo chiuderlo per votare e probabilmente contrassegnarlo come Consegnato (o prossimamente consegnato).
