Validación del explorador de datos funcionalesHola,
Estoy usando el explorador de datos funcionales para generar FPC con 70 lotes, cada uno con aproximadamente 15 puntos de datos funcionales. Quiero usar el modelo generado con estos 70 lotes para generar los FPC de varios lotes nuevos. Para ello, utilizo la opción de validación, clasificando los 70 lotes como el conjunto de entrenamiento y los nuevos lotes como el conjunto de validación.
Sin embargo, los FPC generados para los nuevos lotes cambian dependiendo de cuántos lotes nuevos se agreguen: ¿no deberían ser los mismos ya que el modelo generado utilizando los 70 lotes originales no cambia?
Gracias.
Modelado estadístico avanzadoRe: Validación del Explorador de datos funcionalesHola @Aquí4DOE ,
¡Bienvenido a la comunidad!
Para recibir más comentarios y respuestas a sus preguntas, le recomiendo leer Cómo obtener respuestas correctas a preguntas correctas rápidamente .
¿Podrías proporcionarme contexto y más información? Quizás una captura de pantalla de la situación, detalles sobre cómo usas la plataforma, cómo configuras la columna de validación o, mejor aún, un conjunto de datos de muestra que podamos usar para reproducir la situación.
Intenté reproducir tu situación utilizando el conjunto de datos JMP "Proceso de Fermentación" y realicé el análisis dos veces: la primera con todas las filas de entrenamiento y validación, y la segunda con todas las filas de entrenamiento, pero excluyendo algunas filas de validación. Para las filas de validación comunes entre ambos conjuntos, los FPC son los mismos:
Esta es la situación esperada, ya que las filas de validación del Explorador de Datos Funcionales son como un conjunto de prueba. Se pueden calcular los FPC y otra información en estas filas basándose en el conjunto de entrenamiento, pero el ajuste del modelo no se ve afectado por estas filas de validación. Por lo tanto, se deben esperar los mismos valores para las filas de validación, independientemente del número de filas agregadas. Consulte Validación en Modelado JMP .
Creo que podría haber algo más que le brinde estos resultados, tal vez una diferencia en la división de datos (no son las mismas filas para el entrenamiento, ¿se excluyen algunas?) o en el procesamiento/modelado de datos (¿algún preprocesamiento/escalado/alineación/...? ¿Se usan el mismo modelo y parámetros en ambas situaciones? ¿El mismo número de funciones de forma? ...).
Espero que esta respuesta pueda ayudar mientras tanto.
Re: Validación del Explorador de datos funcionalesAl realizar lo que describe, excluyendo el entrenamiento y toda la validación, así como el entrenamiento con un lote de validación, los FPC son los mismos para los lotes de entrenamiento, pero difieren para el lote de validación (véase la captura de pantalla a continuación). Se han incluido todas las filas de entrenamiento en ambos casos, y mi columna de validación es numérica y contiene 0 para los lotes de entrenamiento y 1 para los de validación. La X, como entrada, es la hora, y para cada lote, las horas de las que tengo datos difieren, pero todas se encuentran en el mismo rango.
Re: Validación del Explorador de datos funcionalesLo sentimos, pero no hay suficiente información para ayudarte y depurar la situación.
Veo tu problema pero este no es el comportamiento esperado, no debería haber diferencias dependiendo del número de filas de validación.
¿Podría proporcionar un conjunto de datos anonimizados o reproducir el problema en un conjunto de datos estándar JMP?
Realmente creo que podría haber alguna fuga de datos o diferencias en el modelado en alguna parte.
Re: Validación del Explorador de datos funcionalesHola @Aquí4DOE ,
Estoy de acuerdo con @Victor_G en que necesitaríamos ver algunos datos o un conjunto de datos reproducido para averiguar cómo sucede esto. Los valores de FPC deberían generarse de forma consistente, independientemente del tamaño de la validación. ¿Cómo accedes a las puntuaciones de FPC? ¿Guardas los resúmenes de las funciones?
También le sugeriría que se comunique con soporte@jmp.com para configurar un caso de soporte para analizar esto.
Gracias,
Ben
