Selección de subconjunto para PLS.
Solicitado nuevamente por varbanov.ar
Aquí hay más detalles sobre el proceso actual:
Enfoque actual de P&G para la selección de variables PLS mediante una herramienta web interna
El VIP determina el orden de eliminación
La minimización de la PRESIÓN se utiliza como regla de detención
Eliminación hacia atrás después de especificar los factores PLS máximos (por ejemplo, 5)
Para cada iteración y rango de factor PLS (de 1 al máximo)
En primer lugar, se descartan todos los predictores con VIP<0,8.
Luego, se descarta el predictor con el VIP más pequeño.
El mejor modelo PLS (PRESS más pequeño) de esta iteración se compara con el mejor modelo
de iteraciones anteriores
Detener la selección de variables si PRESS no mejora PRESS
Después se realiza un repaso de los predictores restantes para eliminar los redundantes.
que para completar la selección de variables
---------------------------------------------
El modelo PLS óptimo (con el PRESS más pequeño) tiene 1 factor PLS y 3 predictores
La herramienta web proporciona los mejores modelos de subconjunto hasta el tamaño máximo especificado por el usuario
Alternativas útiles cuando el modelo óptimo tiene un gran número de predictores restantes
en modelo
Podría considerar modelos de menor tamaño si la PRENSA no aumenta mucho
-----------------------------------------------
Más detalles de Silvio Miccio ( silvio.silvio ):
Sería fantástico contar con algún tipo de algoritmo de mejor subconjunto para PLS, para encontrar factores o grupos de factores relevantes para predecir Y. La práctica ha demostrado que descartar factores no importantes da como resultado modelos con menor error de generalización.
No me siento cómodo seleccionando subconjuntos solo con el VIP. Los valores umbral para el VIP son arbitrarios (como el valor folclórico de 0,05 para los valores p).
Gracias por la sugerencia. El departamento de desarrollo está investigando esto.
