Rimozione dei valori 0 per migliorare l'adattamento del modello a fini accademiciCiao,
Ho un file di dati contenente le concentrazioni di volatili misurate per 34 diverse formulazioni di campioni. Ora sto cercando di modellare i volatili rilevati (risposta) alle formulazioni (predittori). Tuttavia, poiché non tutte le formulazioni producono gli stessi volatili, ho diversi valori pari a 0 (non rilevati) nei miei dati. Questo fa sì che molti dei miei dati sui volatili seguano una distribuzione SASH o Johnson. Rimuovere i campioni con un valore pari a 0 per alcuni volatili porterebbe a una migliore distribuzione dei miei dati per la modellazione, ma ovviamente questa è anche una manipolazione di quei dati a mio vantaggio. Un altro svantaggio è che il mio pool di campioni si ridurrebbe. Ad esempio, se un certo ingrediente responsabile di un certo volatile fosse presente solo nella metà dei miei campioni (il che significa che il volatile non si formerebbe nell'altra metà e quindi sarebbe 0), il set di campioni verrebbe dimezzato.
In un certo senso, penso che abbia senso rimuovere i valori 0, poiché ho bisogno solo degli ingredienti responsabili della formazione del/i volatile/i desiderato/i nel modello. Tuttavia, non sono sicuro che questo metodo sarebbe valido se dovessi pubblicare il risultato su una rivista peer-review. Qualcuno ha esperienza in merito e sa se la rimozione dei campioni con valori 0 sarebbe accettabile o meno?
Grazie mille in anticipo!
Analisi e modellazione dei dati di baseCombinazione e pulizia dei datiModellazione predittiva e apprendimento automaticoAnalisi di affidabilitàRe: Rimozione dei valori 0 per migliorare l'adattamento del modello a fini accademiciIn JMP Pro è possibile visualizzare esempi di regressione generalizzata per adattare i modelli a distribuzioni non normali come Poisson, binomiale, ecc.
Re: Rimozione dei valori 0 per migliorare l'adattamento del modello a fini accademiciGrazie per la risposta. Vedo che queste distribuzioni possono essere utilizzate solo su dati interi, ma i miei dati non sono interi. Esiste un'altra soluzione?
Re: Rimozione dei valori 0 per migliorare l'adattamento del modello a fini accademiciOttima osservazione, mi dispiace di non averla colta! Pur concordando sul fatto che il tuo approccio abbia senso da un punto di vista pratico, dato che la tua domanda riguarda l'idoneità alla pubblicazione, mi rimetto ad altri con maggiori conoscenze statistiche. Sono curioso di sapere cosa ne pensano gli altri.
Un'altra idea che mi viene in mente: avete mai provato le reti neurali o i modelli di partizione (alberi decisionali)? Il modello neurale offre la massima flessibilità, mentre l'albero decisionale offre un buon equilibrio tra flessibilità e interpretabilità.
