La importancia de una variable independiente o predictor para explicar o predecir el resultado de interés.
He estado jugando con bosques aleatorios para la regresión y tengo dificultades para determinar exactamente qué significan las dos medidas de importancia y cómo deben interpretarse. La importance()función proporciona dos valores para cada variable: %IncMSEy IncNodePurity. ¿Hay interpretaciones...
Me he convertido en una especie de nihilista cuando se trata de clasificaciones de importancia variable (en el contexto de modelos multivariados de todo tipo). A menudo, en el curso de mi trabajo, se me pide que ayude a otro equipo a producir una clasificación de importancia variable o que...
¿Cuál es el límite para el número de variables independientes que uno puede ingresar en una ecuación de regresión múltiple? Tengo 10 predictores que me gustaría examinar en términos de su contribución relativa a la variable de resultado. ¿Debo usar una corrección de bonferroni para ajustar para...
¿Hay alguna manera de determinar qué características / variables del conjunto de datos son las más importantes / dominantes dentro de una solución de clúster de
Estoy buscando usar el lazo como método para seleccionar características y ajustar un modelo predictivo con un objetivo binario. A continuación se muestra un código con el que estaba jugando para probar el método con regresión logística regularizada. Mi pregunta es si obtengo un grupo de variables...
He creado un clasificador de regresión logística que es muy preciso en mis datos. Ahora quiero entender mejor por qué funciona tan bien. Específicamente, me gustaría clasificar qué características están haciendo la mayor contribución (qué características son las más importantes) e, idealmente,...
Estoy tratando de entender cómo puedo obtener la importancia de una variable categórica que se ha desglosado en variables ficticias. Estoy usando scikit-learn que no maneja variables categóricas para usted como R o h2o. Si divido una variable categórica en variables ficticias, obtengo...
Acabo de leer un artículo en el que los autores llevaron a cabo una regresión múltiple con dos predictores. El valor global de r cuadrado fue de 0,65. Proporcionaron una tabla que dividía el r-cuadrado entre los dos predictores. La mesa se veía así: rsquared beta df pvalue whole model 0.65 NA 2,...
Estaba asesorando a un estudiante de investigación con un problema particular, y estaba ansioso por obtener la opinión de otros en este sitio. Contexto: El investigador tenía tres tipos de variables predictoras. Cada tipo contenía un número diferente de variables predictoras. Cada predictor era...
Mi pregunta: ¿Por qué el bosque aleatorio considera subconjuntos aleatorios de características para dividir a nivel de nodo dentro de cada árbol en lugar de a nivel de árbol ? Antecedentes: esta es una cuestión de historia. Estaño Kam Ho publicó este trabajo en la construcción de "bosques de...
Suponga que se usa un modelo de regresión logística para predecir si un comprador en línea comprará un producto (resultado: compra), después de hacer clic en un conjunto de anuncios en línea (predictores: Ad1, Ad2 y Ad3). El resultado es una variable binaria: 1 (comprado) o 0 (no comprado). Los...
No obtengo la diferencia entre rfobject$importancey importance(rfobject)en la columna MeanDecreaseAccuracy. Ejemplo: > data("iris") > fit <- randomForest(Species~., data=iris, importance=TRUE) > fit$importance setosa versicolor virginica MeanDecreaseAccuracy
Me pregunto si es una buena idea eliminar esas variables con un valor de importancia variable negativo ("% IncMSE") en un contexto de regresión. ¿Y si me da una mejor predicción? ¿Qué
Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las frecuencias observadas de mis cuatro eventos (18) puedo calcular las...
Tengo un modelo de regresión lineal simple. Lo que quiero calcular es cuán "importante" es cada una de mis variables de entrada, es decir, hacer una declaración como esta: "El 60% del poder predictivo en este modelo proviene de la variable var1, donde var2 y var3 tienen 30% y 10%" respectivamente...