Parametro di debiasing in SVEM, regressione della distribuzione betaQuali sono la pendenza di debiasing e il coefficiente di intercetta quando si utilizza la selezione diretta SVEM su una distribuzione Beta?
Non trovo dettagli statistici nella documentazione....
Se qualcuno avesse informazioni sarebbe fantastico!
Grazie,
Firenze
Re: Parametro di debiasing in SVEM, regressione della distribuzione betaCiao Firenze,
Penso che questa sia una caratteristica di tutti i modelli SVEM, non solo della distribuzione Beta.
Il motivo è che i modelli SVEM tendono ad avere un bias: prevedono valori troppo alti per valori bassi di Y e troppo bassi per valori alti di Y. È molto chiaro quando si confronta il valore effettivo con quello previsto per un modello SVEM che non è stato corretto per i bias. Credo che questo sia un esempio del compromesso tra bias e varianza che si osserva anche nei modelli di regressione penalizzati.
Chris Gotwalt ha trovato una soluzione semplice per correggere questa distorsione: adattare una regressione semplice di Y vs PredY (SVEM). I parametri di pendenza e intercetta di de-biasing sono i parametri di questa regressione semplice.
Spero che questo ti sia d'aiuto. @Peter_Hersh e io ne parliamo un po' (al minuto 14:08) nella nostra presentazione al Discovery Summit del 2021:
SVEM: Machine Learning applicato al DOE (2021-US-45MP-847) - Community di utenti JMP
