Question de sélection du prédicteurJuste une question générale - pour la plateforme de sélection des prédicteurs, si vous essayez de trouver des variables liées à un résultat de réponse particulier (par exemple le rendement du produit) - apporteriez-vous un jour une autre variable de réponse et l'ajouteriez-vous à la case "X" - comme "impureté" ou quelque chose du genre ? Ou devriez-vous introduire uniquement des variables explicatives dans cette case « X » ?
Exploration et visualisation des donnéesModélisation prédictive et apprentissage automatiqueRe : Question de sélection des prédicteursSalut @mjz5448 ,
Je vais vous apporter 2 réponses, une formelle et une "philosophique/conceptuelle/méthodologique".
- Réponse formelle : Si vous lisez la section d'aide de JMP sur le filtrage des prédicteurs , vous pouvez lire que « la plateforme de dépistage des prédicteurs fournit une méthode de filtrage de nombreux prédicteurs pour leur capacité à prédire un résultat ». Donc, pour répondre directement à votre question, vos facteurs/variables explicatives vont dans le panneau X, et vos réponses vont dans le panneau « Y, Réponse ».
- Réponse conceptuelle/méthodologique : Predictor Screening est un outil conçu pour aider à l'identification de prédicteurs importants pour différentes réponses. Il est basé sur Bootstrap Forest (vous pouvez lire la documentation et de nombreuses ressources sur le web pour mieux comprendre le fonctionnement des Random Forests).
A quoi servent les modèles prédictifs ? Il existe de nombreuses définitions possibles, mais en général, elles tendent à s'aligner sur le fait qu'elles sont utilisées pour faire des prédictions sur des événements ou des résultats futurs. Dans le contexte de données expérimentales, des modèles prédictifs sont utilisés afin de prédire les résultats les plus probables d'une expérience imaginaire (= pas encore réalisée en pratique), sur la base d'un modèle. Donc, si vous utilisez une variable comme « X » dans la plateforme de filtrage Predictor, cela signifie que ces informations doivent être disponibles pour être utilisées pour la prédiction sans avoir effectué l'expérience. Ce n'est pas le cas pour votre réponse, puisqu'il s'agit d'une mesure d'une expérience spécifique réalisée en pratique, cette information n'est donc pas disponible au moment de la prédiction.
Il peut toujours être intéressant de voir des modèles dans vos données et des corrélations entre les réponses grâce à d'autres plateformes comme Graph Builder et Multivariate .
J'espère que cette réponse vous semble logique,
