Quels sont les critères de classement utilisés pour évaluer de façon fiable la force d'une interaction ?

Optimisation de la Force d'Interaction

Pour garantir que seules les interactions les plus pertinentes remontent dans vos résultats, l'action met à disposition le paramètre rankMetric. Celui-ci vous permet d'agréger et de classer la force des interactions évaluées en utilisant des métriques statistiques robustes telles que MAX, MEAN ou MEDIAN. Afin de purger les signaux faibles, vous pouvez configurer le paramètre minInteractionProbability qui agit comme un seuil de pertinence minimal. Pour assurer un calibrage parfait, l'algorithme évalue un nombre spécifique de paires aléatoires en arrière-plan, dont la volumétrie peut être ajustée via le paramètre numPairs afin d'établir une véritable ligne de base statistique pour vos scores d'interaction.

Exemples pour l'action detectInteractions

Détection basique et aveugle des interactions

On lance l'action avec les paramètres minimaux requis pour chercher des paires de variables fortement corrélées avec la modalité 'Oui' de notre cible.

Analyse ciblée avec ajustement de la métrique et filtrage

Une approche plus professionnelle : on restreint les variables d'entrée via %%inputs%%, on utilise la médiane (%%MEDIAN%%) pour éviter de biaiser le score par des valeurs extrêmes, et on filtre les probabilités de corrélation trop faibles.