Tutorial per sviluppatori: Utilizzo della regressione generalizzata di JMP Pro per una migliore comprensione dei dati osservazionali.I dati osservazionali si prestano ad analisi utili per grandi insiemi di dati, dati che probabilmente non presentano ortogonalità e situazioni in cui siamo interessati alla previsione piuttosto che all'interpretazione. La piattaforma di regressione generalizzata è il luogo ideale per costruire modelli di regressione sia per esperimenti progettati che per dati osservazionali. Alcuni aspetti da tenere a mente:
- La regressione penalizzata si dimostra molto promettente per i dati osservazionali.
- L'effetto dell'ereditarietà probabilmente non è necessario.
- Utilizzare un set di test se si dispone di dati sufficienti, altrimenti l'AICc.
Scopri come:
- Comprendere i principi fondamentali relativi alla stima e le esigenze da considerare:
- Quanto le stime tendono a essere lontane dalla verità (distorsione)
- Quanto sono variabili le stime (Varianza)
- Come i principi di distorsione e varianza combinati possono essere misurati dall'errore quadratico medio di uno stimatore
- Comprendere le tecniche di regressione penalizzata (Ridge, Lasso, Elastic Net, Adaptive Lasso, Double Lasso, Dantzig Selector)
- Scopri come viene gestita l'ereditarietà degli effetti in JMP Pro.
- Scegli le opzioni di controllo della griglia
- Utilizzo di termini forzati, arresto anticipato e dati mancanti informativi
Risorse
Modellazione predittiva e apprendimento automatico
