PLS에 대한 하위 집합 선택.
바르바노프.아르 에서 다시 요청했습니다.
현재 프로세스에 대한 자세한 내용은 다음과 같습니다.
내부 웹 도구를 사용한 PLS 변수 선택에 대한 현재 P&G 접근 방식
VIP가 제거 순서를 결정합니다
PRESS 최소화는 중지 규칙으로 사용됩니다.
최대 PLS 요인 이후의 역방향 제거가 지정됨(예: 5)
각 반복 및 PLS 요인 범위(1~최대)에 대해
먼저, VIP<0.8인 모든 예측 변수가 삭제됩니다.
그런 다음 가장 작은 VIP를 가진 예측 변수가 삭제됩니다.
이 반복의 최고 PLS 모델(가장 작은 PRESS)은 최고 모델과 비교됩니다.
이전 반복에서
PRESS가 PRESS보다 개선되지 않으면 변수 선택을 중지합니다.
중복된 예측 변수를 제거하기 위해 남은 예측 변수에 대한 패스가 수행됩니다.
변수 선택을 완료하려면
---------------------------------------------
최적 PLS 모델(가장 작은 PRESS 포함)에는 1개의 PLS 요인과 3개의 예측 변수가 있습니다.
웹 도구는 사용자가 지정한 최대 크기까지 최상의 하위 집합 모델을 제공합니다.
최적 모델에 많은 수의 예측 변수가 남아 있는 경우 유용한 대안
모델에서
PRESS가 크게 증가하지 않으면 더 작은 크기의 모델을 고려할 수 있습니다.
-----------------------------------------------
Silvio Miccio( 실비오.실비오 )의 자세한 내용:
Y를 예측하는 데 관련 있는 요인이나 요인 그룹을 찾는 PLS에 대한 일종의 최적 하위 집합 알고리즘이 있으면 좋을 것 같습니다. 실제로 중요하지 않은 요인을 제거하면 일반화 오류가 낮은 모델이 생성되는 것으로 나타났습니다.
VIP만을 기준으로 하위 집합을 선택하는 것은 불편합니다. VIP의 임계값은 임의적입니다(p값에 대한 민속적 값인 0.05처럼).
제안해 주셔서 감사합니다. 개발팀에서 이 문제를 조사 중입니다.
