Предикторы и маркёры Опции

[Anna_V]

Добрый день. Подскажите, пожалуйста, есть ли где-то официальное определение предиктора чего-либо и маркёра. В каких случаях какой термин корректно использовать. Будет здорово, если будут конкретные ссылки. Спасибо!

[salm]

Может кто-нибудь подскажет: в понятии "независимый предиктор" что означает "независимый"))? Меня интересует расчет вероятности в модели логистической регрессии. те факторы что значимые в модели и поодиночке?

[passant]

Может кто-нибудь подскажет: в понятии "независимый предиктор" что означает "независимый"))? Меня интересует расчет вероятности в модели логистической регрессии. те факторы что значимые в модели и поодиночке?

В любой модели относящейся к статистике, машинному обучению, глубокому обучению и пр., тогда, когда вы рассматриваете объект не препарируя его, а анализируя некоторые доступные характеристики, как правило - изменяющиеся во времени, (почти) всегда можно сказать (или считать) что одни из этих характеристики изменяются независимо, а другие - зависят от значений первых. Так вот эти первые характеристики (параметры, предикторы - в разных методах их называют по разному) называют "независимыми", а вторые - "зависимые".
Ну, например, зависимость артериального давления от веса пациента. Тут понятно, считаем, что вес "независимая", или "входная" переменная, а давление - "выходная" или "зависимая" переменная. Разумеется, "вес" зависит от многих факторов, но в данной задачи мы ними пренебрегаем. И строим модель зависимости Давление = F(Вес). Сама F может быть и функцией (регрессии, корреляции....) и нейросетью, и даже алгоритмом (как правило, реализованным программно) или просто неким словесным описанием (ну тогда, разумеется науки/математики там будет мало).
Вот как-тот так.

Р.S.Что означает ваша фраза "те факторы что значимые в модели и поодиночке?" понять не получается.

Сообщение отредактировал passant - 23.01.2022 - 19:04

[salm]

Спасибо Вам огромное за отклик
Я имела ввиду не понятие зависимой или независимой переменной
В оценке ОШ при оценке вероятности при помощи бинарной логистической регрессии или при оценке прогноза например, часто можно встретить (очень часто на самом деле) такие фразы типа: при построении модели логистической регрессии... такой то фактор являлся независимым предиктором исхода... Я не могу понять: имеется ввиду сохранение значимого влияния на исход в модели регрессии с учетом кофакторов (ADJUSTED) при значимом влиянии CRUDE OR, или только при встраивании этого фактора в модели оценки вероятности..
Может, опять неправильно выразилась, извините заранее
Спасибо в любом случае

[passant]

Не знаю, правильно-ли я ваш вопрос понял, но тем не менее.
Смотрите. Логистическая регрессия, независимо от того, как она реализуется, пусть даже и средствами нейросети (что вовсе не обязательно) , по сути это некая модель, которая дает результат, который нормируется в диапазоне от 0 до 1 (и тогда может интерпретироваться как вероятность выбора решения или уверенности в нем) либо вообще формируется в виде значений 0 и 1, (т.е. "да-нет", "принадлежит классу" - "не принадлежит классу", "больной-здоровый" и пр). Никаких других предикторов (зависимых переменных) кроме тех, что подаются на вход вашей модели нет. И быть не может. И никакой предиктор отдельно не "встраивается" в модель на этапе принятия решения.
Правда надо сказать, что во многих методах используется такой (пред)этап как Feature engineering, т.е. отбор (а возможно и конструирование) наиболее информативных признаков. На основании этих признаков в дальнейшем и строиться модель. А вот при использовании нейросетевых моделей этот этап как бы "встраивается" в саму нейростеть, т.е. (надеются, что) за счет подбора соответствующих весов связей нейросеть сама решает, какие параметры или их объединения более информативны, а какие менее.



Сообщение отредактировал passant - 24.01.2022 - 15:08