The Altair Community is migrating to a new platform to provide a better experience for you. In preparation for the migration, the Altair Community is on read-only mode from October 28 - November 6, 2024. Technical support via cases will continue to work as is. For any urgent requests from Students/Faculty members, please submit the form linked here
¿Errores de AutoModel?
Learner I
Buenos días @MarcoBarradas, @Montse, @israel_jimenez, @csecada, @oswaldo_vergara, @SGolbert, @jaguilerav, @amanda_valdes y @ghislaine_gueri, @rfuentealba
Mediante AutoModel, generé un modelo de predicción para el cual sólo seleccioné las variables cuya calidad estaba resaltada en "verde", en el semáforo correspondiente...
Posteriormente, una vez ha sido generado el modelo, verifico que, aunque el p-value es alto, el Weigth de las variables incorporadas también es relevante en el modelo... Esto no parece consistente... Me gustaría entender si igualmente es válido asumir esas variables en el resultado final, o si es conveniente filtrarlas y volver a correr AutoModel.
Como evidencia, adjunto imágenes de Generalized linear regression, y también de Logistic Regression. Para ambos casos, p-value + Weight.
Preguntas derivadas, 1) por qué la suma de Weigth (%) es mayor que 1 (100%); pensé ese sería un peso relativo.
2) Qué valor de peso (Weigth) es razonable para estimar útil?
3) Variables con p-value alto, se deberían eliminar del modelo, y volverlo a procesar?
4) De ser este el caso, antes de ejecutar el modelo, en un panel de opciones a la derecha, le indiqué que de manera Automática eligiera qué variables incluir. Hay un fallo?
5) En los ejercicios donde corresponda, donde puedo consultar el intervalo de confianza?
6) Hablando de Intervalo de Confianza, para obtener un rango de valores, cuál es ese 95% por ejemplo, en el caso de estos modelos, qué % de confianza ofrecen? Esto puedo cambiarlo? (Me explico, solicitar que genere un intervalo de confianza de predicción, al 99% de confianza)
Mediante AutoModel, generé un modelo de predicción para el cual sólo seleccioné las variables cuya calidad estaba resaltada en "verde", en el semáforo correspondiente...
Posteriormente, una vez ha sido generado el modelo, verifico que, aunque el p-value es alto, el Weigth de las variables incorporadas también es relevante en el modelo... Esto no parece consistente... Me gustaría entender si igualmente es válido asumir esas variables en el resultado final, o si es conveniente filtrarlas y volver a correr AutoModel.
Como evidencia, adjunto imágenes de Generalized linear regression, y también de Logistic Regression. Para ambos casos, p-value + Weight.
Preguntas derivadas, 1) por qué la suma de Weigth (%) es mayor que 1 (100%); pensé ese sería un peso relativo.
2) Qué valor de peso (Weigth) es razonable para estimar útil?
3) Variables con p-value alto, se deberían eliminar del modelo, y volverlo a procesar?
4) De ser este el caso, antes de ejecutar el modelo, en un panel de opciones a la derecha, le indiqué que de manera Automática eligiera qué variables incluir. Hay un fallo?
5) En los ejercicios donde corresponda, donde puedo consultar el intervalo de confianza?
6) Hablando de Intervalo de Confianza, para obtener un rango de valores, cuál es ese 95% por ejemplo, en el caso de estos modelos, qué % de confianza ofrecen? Esto puedo cambiarlo? (Me explico, solicitar que genere un intervalo de confianza de predicción, al 99% de confianza)
0
