Modelos de conjunto autovalidantesCientífico de datos jefe de JMP@chris_gotwalt1con profesor principal de la Universidad de New Hampshire@philramseyintrodujo la técnica de modelos de conjuntos de autovalidación (SVEM) para analizar DoE. Creo que Chris lo dice mejor: "Puedes obtener modelos más precisos con menos observaciones usando SVEM". Este es un puente entre el aprendizaje automático y el DoE. Espero que lo disfruten.
Re: Modelos de conjunto con autovalidación@Kira_Alhorn , sí. Lo que está diciendo es que con cada modelo en el SVEM estás reevaluando la columna de Peso Bootstrap ponderado fraccionalmente emparejado, por lo que tendrás un modelo con un nuevo peso en cada miembro del conjunto de entrenamiento. Si está utilizando la plataforma Fit Model, esta columna se utilizará como variable de peso. Para la plataforma de regresión generalizada, esto se utilizará como variable de frecuencia.
Espero que esto ayude. Déjame saber si necesito aclarar más.
Re: Modelos de conjunto con autovalidación¡Muy interesante, gracias por compartirlo! En realidad, estaba a punto de hacer muchas preguntas sobre cómo diseñar DoE para ese tipo de análisis, sin embargo, Chris las planteó todas él mismo en la discusión final. Tengo muchas ganas de ver cómo evolucionan los SVEM y me emociona saber sobre diseños óptimos para ellos. Si están disponibles, ¡definitivamente estoy dispuesto a probarlos!
Tengo una pregunta para entender el ejemplo. En la explicación, Chris dijo: "Ajustas algún modelo estadístico a los datos ponderados". En el ejemplo concreto, ¿eso significa que cuando hablamos de SVEM RSM utilizamos los pesos de entrenamiento calculados en cada iteración como un "Peso" en la plataforma "Fit Model" al ajustar un RSM?
