723862_fr-FR

liliconcom

Dépistage des prédicteurs

J'essaie d'utiliser la plate-forme de filtrage des prédicteurs et bien que j'ai parcouru l'exemple sur JMP, j'ai encore des questions.

Je mets ma variable de réponse dans un format oui, non comme dans l'exemple ; cependant, lorsque je regarde quelles variables sont les meilleurs prédicteurs de la réponse, comment puis-je interpréter les résultats ? La variable classée numéro 1 est-elle la meilleure prédicteur d'un résultat « oui » ou d'un résultat « non » ? Ou est-ce que l'idée est que vous effectuiez cette analyse et que vous la suiviez ensuite par une autre analyse ?

Résultat réussi ?
Prédicteur	Contribution	Portion		Rang
Variable1	4.36861	0,3072		1
Variable4	4.36012	0,3066		2
Variable5	2.29150	0,1612		3
Variable2	1.98570	0,1396		4
Variable3	1.21356	0,0853		5

J'ai ensuite voulu approfondir mon analyse pour voir si quelle variable était le meilleur prédicteur du succès d'un certain traitement. Pour cela, j'ai filtré uniquement les données sur le traitement que je souhaitais, puis j'ai exclu ce que je ne voulais pas, et j'ai refait l'analyse. Serait-ce correct ?

Ma dernière question est que les données de l'exemple sur JMP étaient toutes des caractères nominaux. Mes résultats sont-ils précis si mes variables prédictives sont des caractères ordinaux ou cette plate-forme n'est-elle valable que pour les données nominales de caractères ?

Analyse et modélisation des données de baseRe : Contrôle des prédicteurs

Je ne sais pas quel exemple vous suivez, je ne peux donc pas être précis sur ce que vous montrez. Mais je peux dire que vous pouvez certainement mélanger des prédicteurs nominaux et continus tout en utilisant le filtrage par prédicteurs. Votre première question donne l'impression que vous demandez si le classement s'applique à la prédiction du « oui » ou du « non ». Avec une variable binaire, le classement sera le même pour chaque résultat puisqu'il doit être symétrique : si une variable est bonne pour prédire « oui », elle doit également être bonne pour prédire « non ». Si je comprends votre autre question, alors vous avez plusieurs traitements dans vos données et vous souhaitez appliquer un dépistage par prédicteurs pour des traitements individuels plutôt que de les regrouper. Si tel est le cas, vous pouvez les sous-grouper et utiliser le filtrage par prédicteurs. Vous pouvez également placer le traitement dans la case « par » et exécuter une sélection de prédicteurs pour chaque traitement séparément. Il peut y avoir un problème statistique dans l'interprétation des résultats si vous avez de nombreux traitements (le problème des comparaisons multiples) qui pourraient rendre vos résultats statistiques surestimés - mais je laisse cela à un statisticien pour y répondre.

Vous aviez une autre question : si vous utilisiez le dépistage par prédicteurs et si vous le suiviez ensuite par une autre analyse. Je pense que la réponse est oui. Le filtrage des prédicteurs utilise une forêt Bootstrap pour identifier les prédicteurs les plus importants. Il existe d'autres modèles prédictifs qui peuvent être plus performants une fois que vous savez quels prédicteurs vous souhaitez utiliser. Même l'exécution de Bootstrap Forest vous donnera des résultats différents lorsque vous utilisez cette plate-forme plutôt que le filtrage de prédicteurs, car elle utilise davantage de variables de réglage dans la modélisation (que vous pouvez ajuster davantage). Le filtrage des prédicteurs constitue une première étape rapide pour affiner les prédicteurs importants, mais le filtrage des modèles serait la prochaine étape à utiliser pour créer de meilleurs modèles à l'aide de ces prédicteurs.