CIAO,
Ho creato una semplice tabella DOE come allegata e ho provato a creare un albero decisionale, ma JMP non produce i risultati previsti.
Ogni contributo è gradito.
Grazie,
Lungo
Ciao @LGH ,
Benvenuti nella Community!
Ti consiglio di leggere il post di @jthi Ottenere rapidamente le risposte corrette alle domande corrette prima di postare nel Forum, poiché non fornisci alcuna spiegazione sul risultato previsto e su quello ottenuto dall'albero decisionale.
Se il tuo set di dati proviene da un esperimento progettato (DoE), perché non utilizzare la regressione del modello dei minimi quadrati fornita di default in JMP?
Il problema deriva dal fatto che la dimensione del campione è troppo piccola, il che impedisce all'albero decisionale di suddividere i dati (quindi nessun risultato, nessuna suddivisione possibile quando si utilizza l'albero decisionale "così com'è")? In tal caso, fai clic sul triangolo rosso accanto all'albero decisionale per aprire le opzioni e modifica la suddivisione della dimensione minima (di default è 5) con un altro valore che consenta all'albero decisionale di crescere nel tuo caso (2 potrebbero funzionare, puoi avere una sola suddivisione):
L'impostazione predefinita in JMP per questo parametro dell'Albero Decisionale è impostata per evitare l'overfitting: creare un Albero Decisionale che suddivide perfettamente i campioni in base alle variabili, portando a un modello perfetto con foglie di dimensioni campionarie ridotte, ma praticamente inutile e non robusto quando utilizzato per prevedere nuovi campioni non visti (dataset di test). In pratica, per utilizzare modelli di Machine Learning come questo, è necessario disporre di una strategia di convalida, utilizzando set di addestramento, convalida e test. Esistono metodi per evitare di suddividere "troppo" il dataset e di non utilizzarlo per addestrare il modello (come la convalida incrociata, il leave-one-out, ecc.), ma alla fine sarà comunque necessario un set di test per garantire che le prestazioni di previsione del set di test siano coerenti con i set di addestramento/validazione. È possibile leggere alcune discussioni su questo argomento nel forum CONVALIDA INCROCIATA - METODO DELLA COLONNA DI CONVALIDA / Come eseguire la convalida incrociata k-fold su modelli di Machine Learning (ad esempio reti neurali e foresta casuale) e verificare le prestazioni del modello su dati di test fissi? / ...
Si noti che in questo caso particolare, a causa delle ridotte dimensioni del set di dati e della relazione lineare tra i risultati e il fattore C, i risultati sarebbero gli stessi con un modello di regressione lineare o con la piattaforma Fit Y by X:
Spero che questa risposta ti dia qualche idea,
Ciao Victor,
Grazie mille per la risposta. Sì, il mio problema era che non si riusciva a suddividere il campione a causa delle dimensioni ridotte. Le tue istruzioni funzionano.
Saluti,
LGH
