Tutorial para desarrolladores: Uso de la regresión generalizada de JMP Pro para comprender mejor los datos de observación.Los datos de observación se prestan a análisis útiles para grandes conjuntos de datos, datos que probablemente no presenten ortogonalidad y situaciones en las que nos interesa la predicción más que la interpretación. La plataforma de Regresión Generalizada es el lugar ideal para construir modelos de regresión tanto para experimentos diseñados como para datos de observación. Algunos aspectos a tener en cuenta:
- La regresión penalizada se muestra muy prometedora para el análisis de datos observacionales.
- El efecto de la herencia probablemente no sea necesario.
- Utilice un conjunto de prueba si tiene suficientes datos; de lo contrario, utilice el AICc.
Vea cómo:
- Comprender los principios básicos relacionados con la estimación y las necesidades a considerar:
- ¿Hasta qué punto tienden a desviarse las estimaciones de la realidad? (Sesgo)
- ¿Qué tan variables son las estimaciones (Varianza)?
- Cómo se pueden medir los principios combinados de sesgo y varianza mediante el error cuadrático medio de un estimador.
- Comprender las técnicas de regresión penalizada (Ridge, Lasso, Elastic Net, Adaptive Lasso, Double Lasso, Dantzig Selector)
- Vea cómo se gestiona la herencia de efectos en JMP Pro.
- Seleccione las opciones de control de cuadrícula
- Utilice términos forzados, parada temprana y datos faltantes informativos.
Recursos
Modelado predictivo y aprendizaje automático
