Validazione PLS e carichi variabiliCiao comunità JMP,
Ho un paio di domande su PLS:
- Devo nascondere manualmente una parte dei miei dati oppure ciò avviene automaticamente quando scelgo la convalida incrociata?
- Esiste una soglia di carico delle variabili sui fattori che distingue le variabili più importanti catturate da ciascun fattore (variabile latente)
Grazie per il tuo aiuto!
Modellazione statistica avanzataModellazione predittiva e apprendimento automaticoRe: Validazione PLS e carichi variabiliGrazie Victor! Mi è di grande aiuto!
Il mio obiettivo è convalidare il modello tramite convalida incrociata K-fold.
Per la seconda domanda, mi riferisco ai carichi PLS X su ciascun fattore; esiste una soglia comunemente utilizzata che evidenzia le variabili appartenenti allo stesso sistema? Ad esempio, nell'analisi fattoriale esplorativa, i carichi delle variabili (> 0,4) su un dato fattore suggeriscono che queste variabili provengano molto probabilmente dallo stesso sistema.
Grazie mille!
Re: Validazione PLS e carichi variabiliCiao @Moukanni ,
- Non sono sicuro di quale sia il tuo obiettivo nel mascherare manualmente i dati e/o nel scegliere la convalida incrociata.
Se desideri un set di test (un set non utilizzato dal modello per l'addestramento e non visualizzato durante la convalida) per valutare i risultati PLS su dati "nuovi"/non visualizzati (e a condizione che tu abbia un set di dati di grandi dimensioni), allora sì, puoi nascondere manualmente una parte del tuo set di dati (nascondere ed escludere le righe, eseguire il modello, salvare la formula di previsione e confrontare le risposte previste con quelle effettive su questo set di dati nascosto) oppure, se hai JMP Pro, creare una colonna di convalida (in "Analizza", "Modellazione predittiva", "Crea colonna di convalida") in cui specificherai la proporzione di righe nel tuo set di addestramento, convalida e/o test.
Se si desidera convalidare il modello tramite una convalida incrociata K-fold, JMP suddividerà automaticamente il dataset in K parti, addestrerà il modello PLS su K-1 parti, quindi lo validerà su 1 parte e ripeterà l'operazione in modo che ogni "parte" (fold) sia stata una volta parte di convalida e K-1 volte parte di addestramento. Questa è una buona tecnica di convalida se si desidera valutare la robustezza del modello (confronto tra diversi set di addestramento e di convalida) su un piccolo dataset.
- Non sono sicuro nemmeno sulla seconda domanda: se vuoi sapere quali fattori sono i più importanti nel modello PLS, puoi dare un'occhiata al grafico dell'importanza delle variabili e ai punteggi VIP calcolati. Vedi: Grafico dell'importanza delle variabili (jmp.com) e Grafici VIP vs Coefficienti (jmp.com)
Spero che ti possa aiutare!
