Entfernen von Nullwerten zur Verbesserung der Modellanpassung für akademische ZweckeHallo,
Ich besitze eine Datendatei mit den Konzentrationen flüchtiger Verbindungen in 34 verschiedenen Probenformulierungen. Nun versuche ich, die gefundenen flüchtigen Verbindungen (Reaktion) in Abhängigkeit von den Formulierungen (Prädiktoren) zu modellieren. Da jedoch nicht alle Formulierungen zu denselben flüchtigen Verbindungen führen, enthalten meine Daten zahlreiche Nullwerte (nicht nachweisbar). Dies führt dazu, dass viele meiner Daten einer SASH- oder Johnson-Verteilung folgen. Das Entfernen der Proben mit Nullwerten für bestimmte flüchtige Verbindungen würde zwar zu einer besseren Verteilung meiner Daten für die Modellierung führen, stellt aber natürlich auch eine Manipulation der Daten zu meinem Vorteil dar. Ein weiterer Nachteil ist die Verkleinerung meines Probenpools. Wenn beispielsweise ein bestimmter Inhaltsstoff, der für eine bestimmte flüchtige Verbindung verantwortlich ist, nur in der Hälfte meiner Proben vorhanden ist (d. h. die flüchtige Verbindung wird in der anderen Hälfte nicht gebildet und ist daher null), würde sich der Probensatz halbieren.
In gewisser Weise erscheint es mir sinnvoll, die Nullwerte zu entfernen, da ich im Modell ja nur die Bestandteile benötige, die für die Bildung der gewünschten flüchtigen Verbindungen verantwortlich sind. Ich bin mir jedoch unsicher, ob diese Methode bei einer Veröffentlichung in einer Fachzeitschrift mit Peer-Review zulässig wäre. Hat jemand Erfahrung damit und kann mir sagen, ob das Entfernen der Proben mit Nullwerten akzeptiert würde?
Vielen Dank im Voraus!
Grundlagen der Datenanalyse und ModellierungDatenzusammenführung und -bereinigungPrädiktive Modellierung und maschinelles LernenZuverlässigkeitsanalyseBetreff: Entfernen von Nullwerten zur Verbesserung der Modellanpassung für akademische ZweckeIn JMP Pro können Sie Beispiele für verallgemeinerte Regression sehen, um Modelle an nicht-normale Verteilungen wie Poisson, Binomial usw. anzupassen.
Betreff: Entfernen von Nullwerten zur Verbesserung der Modellanpassung für akademische ZweckeVielen Dank für Ihre Antwort. Ich sehe, dass diese Verteilungen nur für ganzzahlige Daten anwendbar sind, meine Daten sind jedoch nicht ganzzahlig. Gibt es eine andere Lösung?
Betreff: Entfernen von Nullwerten zur Verbesserung der Modellanpassung für akademische ZweckeGuter Punkt, schade, dass ich das übersehen habe! Obwohl ich Ihre Herangehensweise aus praktischer Sicht für sinnvoll halte, würde ich, da Ihre Frage die Eignung zur Veröffentlichung betrifft, die Entscheidung anderen mit mehr Statistikkenntnissen überlassen. Ich bin gespannt auf die Meinungen anderer.
Mir kommt noch eine andere Idee in den Sinn: Haben Sie schon einmal neuronale Netze oder Partitionsmodelle (Entscheidungsbäume) ausprobiert? Das neuronale Modell bietet maximale Flexibilität, während der Entscheidungsbaum ein gutes Gleichgewicht zwischen Flexibilität und Interpretierbarkeit darstellt.
