Strumento Pesi Importanza

Lo strumento Peso importanza fornisce metodi per la selezione di un set di variabili da utilizzare in un modello predittivo in base a quanto fortemente correlato ogni possibile predittore è alla variabile di destinazione di un modello da creare.

Il set finale selezionato può essere basato sul portare i predittori N più fortemente correlati al bersaglio o selezionando un livello di peso di importanza limite e solo le variabili che superano il punto di taglio sono incluse in un modello.

In caso di svantaggio di questo approccio è che esamina solo la forza di un possibile predittore sul bersaglio in isolamento, ignorando i possibili effetti di interazione e la correlazione tra i predittori. Nonostante questa limitazione, questo tipo di metodo di filtraggio variabile viene spesso utilizzato nella pratica.

Esistono diverse misure di ponderazione dell'importanza e l'applicabilità di un particolare metodo dipende in genere sia dal tipo di obiettivo che dal predittore (numerico o categorico). Uno svantaggio di questa situazione è che le misure utilizzate per determinare l'importanza relativa di diversi possibili predittori saranno diverse per le variabili numeriche e categoriche. L'eccezione è il metodo Relief, ma le sue prestazioni non sono affidabili come altri metodi specifici di un particolare tipo di destinazione e combinazione di tipo predittivo.

La maggior parte delle misure sono fornite dal pacchetto FSelector R. Questo pacchetto utilizza alcuni metodi scritti in Java, quindi per utilizzare questa macro, è necessario disporre di un ambiente di runtime Java 7 sul computer in cui è installato Alteryx.

Un flusso di dati Alteryx contenente sia la variabile di destinazione desiderata che un set di variabili predittive potenziali che verranno utilizzate per stimare un modello predittivo.

• Obiettivo continuo: Selezionare questa opzione se la variabile di destinazione che si desidera stimare è una variabile numerica. Quando si seleziona questa opzione verrà chiesto di selezionare il campo della variabile di destinazione dai dati e se si desidera esaminare le possibili variabili continue (numeriche) o categoriche (variabili stringa con etichette di categoria) che si desidera prendere in considerazione. Una volta effettuata questa selezione, è necessario selezionare il set di predittori (del tipo selezionato) che si desidera esaminare e una o più misure di confronto. Per gli obiettivi continui e i prodittori continui le misure disponibili sono:
  • Correlazione Pearson
  • Correlazione di classifica Spearman
  • Scarico, che fornisce l'algoritmo RRELIEFF. L'utilizzo può selezionare sia il numero di vicini vicini (conteggio del vicino) che la dimensione del campione ( Dimensione delcampione) utilizzata per calcolare la misura RRELIEFF.
  • Le misure di peso di importanza disponibili per un target continuo e predittori categorici sono:
    • Media condizionale (Pearson) correlazione. Questa misura si basa sul calcolo del livello medio della variabile di destinazione per ogni livello (categoria) delle variabili di categoria e quindi sul calcolo della correlazione di Pearson tra i valori effettivi e i valori medi
    • Scarico, che utilizza l'algoritmo RRELIEFF. L'utilizzo può selezionare sia il numero di vicini vicini (conteggio del vicino) che la dimensione del campione ( Dimensione delcampione) utilizzata per calcolare la misura RRELIEFF.
  • Le colonne contenenti identificatori univoci, come le chiavi primarie surrogate e le chiavi primarie naturali, non devono essere utilizzate nelle analisi statistiche. Non hanno alcun valore predittivo e possono causare eccezioni di runtime.
• Obiettivo categorico: Selezionare questa opzione se la variabile di destinazione che si desidera stimare è una variabile di categoria. Quando si seleziona questa opzione verrà chiesto di selezionare il campo della variabile di destinazione dai dati e se si desidera esaminare le possibili variabili continue (numeriche) o categoriche (variabili stringa con etichette di categoria) che si desidera prendere in considerazione. Una volta effettuata questa selezione, è necessario selezionare il set di predittori (del tipo selezionato) che si desidera esaminare e una o più misure di confronto. Per gli obiettivi continui e i prodittori continui le misure disponibili sono:
  • Guadagno di informazioni sull'entropia
  • Rapporto di guadagno entropia
  • Incertezza simmetrica dell'entropia
  • Scarico, che utilizza l'algoritmo RRELIEFF. L'utilizzo può selezionare sia il numero di vicini vicini (conteggio del vicino) che la dimensione del campione ( Dimensione delcampione) utilizzata per calcolare la misura RRELIEFF.
  • Le misure di peso di importanza disponibili disponibili per un obiettivo categorico e predittori categorici sono:
    • V di Cramer (chi quadrato)
    • Scarico, che utilizza l'algoritmo RRELIEFF. L'utilizzo può selezionare sia il numero di vicini vicini (conteggio del vicino) che la dimensione del campione ( Dimensione delcampione) utilizzata per calcolare la misura RRELIEFF.

• Ancoraggio D: È costituito da una tabella che fornisce il valore di peso dell'importanza selezionato per ogni potenziale predittore.
• R anchor: è costituito da frammenti di report che indicano il campo di destinazione (e il relativo tipo) e il tipo dei potenziali campi predittivi insieme alla tabella del valore di peso dell'importanza selezionato per ogni potenziale predittore.