[R-es] Superficie de respuesta con rsm y nnet
Argel Gastélum Arellánez
argel.gastelum en gmail.com
Mie Oct 17 19:34:47 CEST 2012
Hola compañeros de la lista. Los molesto con la siguiente duda.
En un diseño central compuesto (CCD) con dos factores (V1 y V2) y
una variable de respuesta (R), utilizando valores codificados (-1.4142,
-1, 0, 1, 1.4182), al aplicar la orden:
rsm.segundo.orden <- rsm(R ~ Bloque + SO(V1, V2), data =
DATOS.Codificados)
Obtengo el siguiente modelo:
R = 103.92 -2.16 Bloque -2.24 V1 -0.99 V2 + 8.75 V1 V2 -37.07
V1² -37.07 V2²
donde la R² = 0.9660, la desviación absoluta promedio (AAD) = 17.33 %, y
la prueba de falta de ajuste (LOF) da una p = 1.45e-09.
Viendo que la AAD es algo alta y que la falta de ajuste es
significativa, decidí probar con una red neural artificial, usando los
paquetes "caret" y "nnet". He probado las siguientes opciones:
NN.1 <- train(R ~ V1 + V2, data = DATOS.Codificados, method =
"nnet", maxit = 10000, tuneGrid = SIZE.DECAY, trace = F, linout = TRUE)
donde R² = 0.9936, y AAD = 4.87 %, pero la forma de la superficie de
respuesta es muy irregular, nada parecida al modelo obtenido con "rsm".
NN.2 <- train(R ~ V1 + V2 + V1:V2, data = DATOS.Codificados, method
= "nnet", maxit = 10000, tuneGrid = SIZE.DECAY, trace = F, linout = TRUE)
donde R² = 0.9936, y AAD = 4.87 %, pero la forma de la superficie de
respuesta es menos irregular que la anterior.
NN.3 <- train(R ~ V1 + V2 + V1:V2 + I(V1^2) + I(V2^2), data =
DATOS.Codificados, method = "nnet", maxit = 10000, tuneGrid =
SIZE.DECAY, trace = F, linout = TRUE)
donde R² = 0.9936, y AAD = 4.87 %, pero la forma de la superficie de
respuesta es muy parecida a la del modelo de segundo orden obtenido con
"rsm", además de que tanto R² y AAD son mejores.
¿Tiene sentido utilizar mejor NN.3, dado que con RSM se detectó que
tanto el efecto de la interacción como de los términos cuadráticos
fueron significativos?
De antemano muchas gracias por la ayuda.
--
Argel.
Más información sobre la lista de distribución R-help-es