학술적 목적을 위해 모델 적합도를 향상시키기 위해 0 값을 제거합니다.안녕하세요,
34가지 샘플 제형에 대해 측정된 휘발성 물질 농도가 포함된 데이터 파일이 있습니다. 이제 제형(예측 변수)에 대한 휘발성 물질(반응 변수)을 모델링하려고 합니다. 그러나 모든 제형이 동일한 휘발성 물질을 생성하는 것은 아니기 때문에 데이터에 0 값(검출되지 않음)이 상당히 많습니다. 이로 인해 휘발성 물질 데이터가 SASH 또는 Johnson 분포를 따르는 경향이 있습니다. 특정 휘발성 물질에 대해 0 값을 갖는 샘플을 제거하면 모델링에 더 적합한 데이터 분포를 얻을 수 있지만, 이는 데이터를 조작하는 것과 마찬가지입니다. 또 다른 단점은 샘플 풀이 줄어든다는 것입니다. 예를 들어 특정 휘발성 물질을 생성하는 특정 성분이 샘플의 절반에만 존재한다면(즉, 나머지 절반에서는 휘발성 물질이 생성되지 않아 0 값이 되는 경우), 샘플 세트가 절반으로 줄어듭니다.
어떻게 보면 0 값을 제거하는 것이 타당하다고 생각합니다. 왜냐하면 모델에서 원하는 휘발성 물질을 형성하는 데 필요한 성분만 있으면 되기 때문입니다. 하지만 이 방법을 동료 심사 저널에 게재할 경우 유효한 방법인지 확신이 서지 않습니다. 혹시 이와 관련하여 경험이 있으신 분이나 0 값을 가진 샘플을 제거하는 것이 허용되는지 여부를 아시는 분이 계신가요?
미리 감사드립니다!
기초 데이터 분석 및 모델링데이터 혼합 및 정리예측 모델링 및 머신 러닝신뢰성 분석제목: 학술적 목적의 모델 적합도 향상을 위해 0 값을 제거하는 것에 대한 답변JMP Pro에서는 포아송 분포, 이항 분포 등과 같은 비정규 분포에 모델을 적합시키는 일반화 회귀 예제를 확인할 수 있습니다.
제목: 학술적 목적의 모델 적합도 향상을 위해 0 값을 제거하는 것에 대한 답변답변 감사합니다. 이 분포는 정수 데이터에만 사용할 수 있다는 것을 알았습니다. 하지만 제 데이터는 정수가 아닙니다. 다른 해결 방법이 있을까요?
제목: 학술적 목적의 모델 적합도 향상을 위해 0 값을 제거하는 것에 대한 답변좋은 지적입니다, 제가 놓쳐서 죄송합니다! 실용적인 관점에서 볼 때 당신의 접근 방식이 타당하다고 생각하지만, 질문의 주제가 출판 적합성에 관한 것이므로 통계 지식이 더 풍부한 다른 분들의 의견을 들어보는 것이 좋겠습니다. 다른 분들의 생각도 궁금하네요.
또 다른 아이디어가 떠오르는데, 신경망 이나 분할 모델 (의사결정 트리)을 사용해 보셨나요? 신경망 모델은 최대한의 유연성을 제공하는 반면, 의사결정 트리는 유연성과 해석 가능성 사이에서 좋은 균형을 이룹니다.
