PLS 검증 및 가변 로딩안녕하세요 JMP 커뮤니티 여러분,
PLS에 대해 몇 가지 질문이 있습니다.
- 데이터의 일부를 수동으로 숨겨야 합니까? 아니면 교차 검증을 선택하면 자동으로 숨겨집니까?
- 각 요인에 의해 포착된 가장 중요한 변수(잠재 변수)를 구별하는 요인에 대한 변수 로딩의 임계값이 있습니까?
도와주셔서 감사합니다!
고급 통계 모델링예측 모델링 및 머신 러닝Re: PLS 검증 및 변수 로딩고맙습니다, 빅터! 정말 큰 도움이 되었어요!
제 목표는 K-겹 교차 검증을 통해 모델을 검증하는 것입니다.
두 번째 질문은 각 요인의 PLS X 적재량에 대한 것입니다. 동일한 시스템에 속하는 변수를 강조하는 일반적으로 사용되는 임계값이 있습니까? 예를 들어 탐색적 요인 분석에서 특정 요인의 변수 적재량(>0.4)은 해당 변수들이 동일한 시스템에서 유래되었을 가능성이 매우 높음을 시사합니다.
매우 감사합니다!
Re: PLS 검증 및 변수 로딩안녕하세요 @무카니 ,
- 데이터를 수동으로 마스킹하거나 교차 검증을 선택하는 목적이 무엇인지 잘 모르겠습니다.
학습에 사용되지 않고 검증 과정에서도 확인되지 않는 테스트 세트를 사용하여 "새로운"/보이지 않는 데이터(대용량 데이터 세트가 있는 경우)에서 PLS 결과가 어떻게 나타나는지 평가하려는 경우, 데이터 세트의 일부를 수동으로 숨길 수 있습니다(행을 숨기고 제외하고, 모델을 실행하고, 예측 공식을 저장하고, 이 숨겨진 데이터 세트에서 예측된 응답과 실제 응답을 비교). 또는 JMP Pro가 있는 경우 검증 열을 만들 수 있습니다("분석", "예측 모델링", "검증 열 만들기"에서). 여기서 학습, 검증 및/또는 테스트 세트의 행 비율을 지정합니다.
K-겹 교차 검증을 통해 모델을 검증하려는 경우, JMP는 자동으로 데이터셋을 K개의 부분으로 분할하고, PLS 모델을 K-1개의 부분으로 학습시킨 후, 다시 1개의 부분으로 검증합니다. 이 작업을 반복하여 각 부분(폴드)이 한 번은 검증 부분으로, K-1번은 학습 부분으로 구성됩니다. 이는 작은 데이터셋에서 모델의 견고성(여러 학습 세트와 검증 세트를 비교)을 평가하려는 경우 유용한 검증 기법입니다.
- 두 번째 질문에 대해서도 잘 모르겠습니다. PLS 모델에서 어떤 요인이 가장 중요한지 알고 싶으시다면 변수 중요도 플롯과 계산된 VIP 점수를 확인해 보세요. 참고: 변수 중요도 플롯(jmp.com) 및 VIP vs 계수 플롯(jmp.com)
도움이 되셨으면 좋겠습니다!
