38330_de-DE

liliconcom

Simulationsstudien zur bestraften Regression

Hallo,

Ein Kunde (ein sehr kompetenter Statistiker, der die Vorklinik in der Pharmabranche unterstützt) fragte mich, ob ich von Studien wüsste, die durchgeführt wurden, um festzustellen, wie effektiv Elastic Net und Lasso im Vergleich zu Standardtechniken sind. Funktionieren sie in bestimmten Situationen besser? Ich denke, sie sind besonders an der Anwendung im Rahmen von DoE interessiert.

Kennen Sie Veröffentlichungen, auf die ich sie verweisen kann? Gibt es interne Studien, die wir durchgeführt haben und die geteilt werden können?

Danke,
Phil

Betreff: Simulationsstudien zur bestraften Regression

Danke, Clay. Ich denke, mein Kunde wird mit dieser Antwort sehr zufrieden sein.

Phil

Betreff: Simulationsstudien zur bestraften Regression

Viele der Forschungsarbeiten zur bestraften Regression, auf die ich gestoßen bin, konzentrieren sich eher auf Beobachtungsdaten als auf geplante Experimente. Hier ist ein Papier, das hilfreich sein könnte:

http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0107957

Die Bewertung einer Variablenauswahlmethode kann ziemlich schwierig sein, da so viele Dinge zu berücksichtigen sind. Führen wir bei der Optimierung eine Kreuzvalidierung oder ein Informationskriterium durch? Bei einer Strafmethode müssen wir auch berücksichtigen, wie die Strafgewichte ausgewählt werden. Und die Ergebnisse können davon abhängen, ob das Ziel darin besteht, den Vorhersagefehler zu minimieren oder ob es darin besteht, die Variablen zu erfassen, die die Reaktion wirklich beeinflussen.

Ich habe Folien aus einer Präsentation angehängt, die ich 2015 bei QPRC gehalten habe und die sich mit der Verwendung der bestraften Regression zur Analyse von Screening-Experimenten befasste. Mein Ziel war es herauszufinden, wie gut das Lasso in übersättigten Designs funktionieren würde. Das war vor der Einführung der ERIC-Kriterien, die meiner Meinung nach für diese Fälle großes Potenzial haben.

Betreff: Simulationsstudien zur bestraften Regression

Außerdem vielleicht:

https://community.jmp.com/t5/Discovery-Summit-2015/Model-Selection-Strategies-for-Definitive-Screening-Designs/ta-p/22854

Ian

Betreff: Simulationsstudien zur bestraften Regression

Phil,

Ich habe begonnen, mich mit der Modellauswahl zu befassen, insbesondere mit der Frage, welche Techniken bei der Ad-hoc-Auswahl am besten funktionieren (alles anpassen, alles über p=0,05 entfernen, dann erneut durchführen), schrittweise mit BIC und Lasso. Auch wenn ich aus Zeitgründen nicht besonders weit gekommen bin, ist mir mittlerweile klar geworden, dass die Auswahltechnik stark vom Design abhängt. Bei so etwas wie einem Vollfaktor spielt die Technik also keine Rolle, bei einem nahezu gesättigten kundenspezifischen Design jedoch schon. Ich hoffe, dass ich mehr Zeit damit verbringen kann, wenn sich die Dinge verlangsamen. Auch Clay Barker und Ryan Lekivetz haben in diesem Bereich einige Arbeit geleistet.

Don