Eliminar valores 0 para mejorar el ajuste del modelo para fines académicosHola,
Tengo un archivo de datos que contiene concentraciones de volátiles medidas para 34 formulaciones de muestra diferentes. Ahora, estoy tratando de modelar los volátiles encontrados (respuesta) a las formulaciones (predictores). Sin embargo, como no todas las formulaciones conducen a los mismos volátiles producidos, tengo bastantes valores 0 (no detectados) en mis datos. Esto hace que muchos de mis datos de volátiles sigan una distribución SASH o Johnson. Eliminar las muestras con un valor 0 para ciertos volátiles conduciría a una mejor distribución de mis datos para el modelado, pero por supuesto esto también es manipulación de esos datos en mi beneficio. Otra desventaja es que mi grupo de muestras se reduciría. Por ejemplo, si cierto ingrediente que es responsable de un cierto volátil está solo en la mitad de mis muestras (lo que significa que el volátil no se formaría en la otra mitad y, por lo tanto, sería 0), el conjunto de muestras se reduciría a la mitad.
En cierto modo, creo que tiene sentido eliminar los valores 0, ya que solo necesito los ingredientes responsables de la formación de los volátiles deseados en el modelo. Sin embargo, no estoy seguro de si este método sería válido si lo publicara en una revista con revisión por pares. ¿Alguien tiene experiencia con esto y si se aceptaría o no eliminar las muestras con valores 0?
¡Muchas gracias de antemano!
Análisis y modelado de datos básicosCombinación y limpieza de datosModelado predictivo y aprendizaje automáticoAnálisis de confiabilidadRe: Eliminar valores 0 para mejorar el ajuste del modelo para fines académicosEn JMP Pro, puede ver ejemplos de regresión generalizada para ajustar modelos a distribuciones no normales como Poisson, binomial, etc.
Re: Eliminar valores 0 para mejorar el ajuste del modelo para fines académicosGracias por tu respuesta. Veo que estas distribuciones solo se pueden usar con datos enteros, pero mis datos no son enteros. ¿Hay alguna otra solución?
Re: Eliminar valores 0 para mejorar el ajuste del modelo para fines académicosBuen punto, ¡perdón por no haberlo visto! Aunque coincido en que tu enfoque tiene sentido desde una perspectiva práctica, dado que tu pregunta se refiere a la idoneidad para publicación, me remito a otros con más conocimientos de estadística. Tengo curiosidad por saber qué opinan los demás.
Otra idea que me viene a la mente: ¿has probado las redes neuronales o los modelos de partición (árboles de decisión)? El modelo neuronal ofrece máxima flexibilidad, mientras que el árbol de decisión ofrece un buen equilibrio entre flexibilidad e interpretabilidad.
