Estou procurando prever grupos de itens que alguém comprará ... ou seja, tenho várias variáveis dependentes colineares.
Em vez de criar 7 ou mais modelos independentes para prever a probabilidade de alguém comprar cada um dos 7 itens e depois combinar os resultados, em quais métodos devo procurar um modelo que explique os relacionamentos entre as 7 variáveis dependentes relacionadas ( coisas que eles podem comprar).
Eu estou usando R como uma linguagem de programação, então qualquer conselho específico sobre R é apreciado.
r
machine-learning
multivariate-analysis
blast00
fonte
fonte
?poLCAem R para obter mais informações sobre como ajustar este modelo.?nnetem R).Você pode construir uma floresta aleatória em que cada uma de suas aulas seja um grupo de itens (por exemplo, "maçãs verdes com morangos de criação, com 2% de leite"). Em seguida, com base nas características do comprador ou quaisquer que sejam seus preditores, você pode fornecer uma probabilidade prevista de compra para cada grupo de itens. Eu usaria o pacote randomForest do R ( https://cran.r-project.org/web/packages/randomForest/index.html ) para fazer isso.
fonte
Uma opção é obter frequências de todas as combinações de compra de produtos; selecione as poucas combinações mais comuns; depois, construa um modelo de regressão para prever a combinação escolhida de cada indivíduo. Por exemplo, com uma regressão logística binária, é possível prever a compra de a) Vinho Branco, Brie, Morangos e Uvas vs. b) Vinho Tinto, Cheddar e Gouda. Com mais de duas dessas combinações, ou se você deseja incluir a categoria "nenhuma das opções acima", a regressão logística multinomial provavelmente seria o método de escolha.
Observe que incluir apenas os combos comuns significa que você terá números mais viáveis de cada um, mas excluirá os outros, pelo menos deste procedimento. Eu poderia imaginar 7 itens criando dezenas de combos, cada um escolhido por pelo menos algumas pessoas. É possível que haja muitas categorias para o tamanho da amostra. Além disso, se uma combinação fosse escolhida por apenas algumas pessoas, seu modelo teria muito pouca informação para trabalhar.
Outra opção é usar a análise de cluster para chegar a alguns conjuntos de itens que tendem a ser comprados juntos. Com 7 itens, você provavelmente terminará com menos de 4 clusters, o que pode facilitar sua tarefa. Se você tentar a análise de cluster e achar os resultados impraticáveis, não há razão para usá-los: basta voltar à abordagem baseada em frequência descrita acima. Nesse caso, se eu entendi direito, você está procurando o conjunto de categorias mais descritivo e interessante e, ao estabelecer isso, não precisa se preocupar com graus de liberdade ou com múltiplas comparações ou com quaisquer preocupações que possam se aplicar. se você estava tentando vários métodos na execução de algum teste inferencial.
fonte
Estou assumindo que você deseja analisar uma situação semelhante à seguinte;
Yi = f (X), onde f () é um link não linear e X é um vetor de covariáveis e Yi é a i-ésima variável dependente, de natureza ordinal (se for categórica, Yi não pode ter mais de dois) categorias) e diga no seu modelo i = 1, 2, ... 5 e cada um dos Yi s está correlacionado ... Nesse caso, você certamente pode empregar Probit multivariado. R, Mplus e SAS podem estimar MVP
Por outro lado, você tem Y = f (X) e Y (observe que há apenas um Y) é categórico e, por exemplo, tem N categorias para que as escolhas feitas sobre as N categorias sejam exclusivas e exaustivas; você precisa ajustar o modelo Multinomial Logit. Também existe algo chamado probit multinomial, semelhante ao logit multinomial.
Espero que isto ajude. Graças Sanjoy
fonte