Wie wähle ich unabhängige Variablen über PCA aus?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo alle,
Um ein Vorhersagemodell zu entwickeln, muss ich die zu verwendenden Variablen genau filtern. Insbesondere möchte ich Variablen verwenden, die nicht korreliert sind. Ein effektiver Weg, dies zu tun, besteht darin, PCA anzuwenden und die Variablen auszuwählen, die einen Eigenwert > 1,0 liefern. Wenn ich dieses Beispiel auf das JMP-Beispiel anwende ( Hauptkomponentenbericht ), dann würde ich nur 1 Variable auswählen. In meinen Daten beträgt die Anzahl der Variablen mit einem Eigenwert > 1,0 9. Daher weiß ich zweifelsfrei, wie viele Variablen ich möchte. Was mir unklar ist, ist wie identifizieren diese Variablen im JMP-Bericht. Wenn ich wiederum das JMP-Beispiel verwende ( Hauptkomponentenbericht ), wie identifiziere ich die Variable (unter den sechs), die einen Egeinvalue von 4,7850 liefert?
Vielen Dank,
David
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?Ja, du hast recht.
Ich dachte, ich könnte eine Reihe von Attributen unter den ursprünglichen auswählen, während ich mit PCA neue erstellen kann (indem ich die ursprünglichen verwende).
Das Thema ist geschlossen. Vielen Dank für die Unterstützung!
Davide
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?David,
Suchen Sie die Eigenvektoren?Sie sind in JMP verfügbar (unter dem roten Dreieck).Denken Sie daran, dass PCA eine Technik zur "Dimensionsreduktion" ist, bei der jeder PC eine Kombination aller Variablen ist.
Peter macht gute Argumente für die Verwendung alternativer Methoden für die Variablenauswahl.
Karen
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?Sie verlieren wahrscheinlich eine anständige Menge an Informationen bei dieser Methode, aber dies sollte in der Lage sein, die 3 Materialien mit der "geringsten Korrelation" zueinander herauszuziehen.Sie werden nicht sicher orthogonal sein.Es gibt wahrscheinlich einen besseren Weg, dies zu formulieren (etwas wie das, was Peter sagt), um die gewünschten Antworten zu erhalten.
*Vorsicht, das ist rein erfunden und ich weiß nicht, wie klanglich es ist.In meinem Kopf macht es Sinn, dass es das tut, worum Sie meiner Meinung nach bitten.
dt = Offen ( "$Sample_DATA\Löslichkeit.jmp" );
// multivariate über alle Chemikalien hinweg
mv = Multivariat (
Y(
: Name ( "1-Oktanol" ),
:Äther,
:Chloroform,
:Benzol,
:Tetrachlorkohlenstoff,
:Hexan
),
Schätzmethode ( "Reihenweise" ),
Matrixformat ( "Quadrat" ),
Scatterplot-Matrix (
Dichteellipsen( 1 ),
Schattierte Ellipsen ( 0 ),
Ellipsenfarbe ( 3 )
)
);
mv_r = mv << Bericht ;
//Machen Sie die Korrelationen in eine Datentabelle
dt_corr = mv_r[ MatrixBox ( 1 )]<< In Datentabelle machen ();
// Korrelationen für alle zusammenfassen
dt_korr << Neue Spalte ( "Gesamtkorrelation" , Formel(
Summe (
: Name ( "1-Oktanol" ),
:Äther,
:Chloroform,
:Benzol,
:Tetrachlorkohlenstoff,
:Hexan
)
));
// Die niedrigsten drei sind die "am wenigsten korrelierten" miteinander
Materialien = :Reihe << Werte erhalten ;
mat = :TotalCorrelation << Werte erhalten ;
oben = aufsteigend sortieren (Matte)[ 3 ]; // wählt den Wert für den drittniedrigsten
what_you_want_maybe = Materialien[ Ort (Matte<=oben)] // schnappt sich die 3 Chemikalien mit der niedrigsten Gesamtkorrelation
Kehrt zurück:
{"1-Octanol", "Ether", "Chloroform"}
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?Hallo Peter,
Ihr Ansatz geht von der Verwendung eines bestimmten Vorhersagemodells aus. Mein Ansatz wäre, die zu verwendenden Variablen über PCA zu filtern und dann ein großes Spektrum an Vorhersagemodellen zu verwenden. Als solches sollte die Filterung (dh PCA) unabhängig von dem verwendeten Vorhersagemodell sein.
Aus Ihrer Antwort kann ich sagen, dass Sie hier ein Experte sind. Da Sie meine Frage nicht direkt beantworten konnten, werde ich ableiten, dass JMP die Liste der mit den Eigenwerten "verknüpften" Variablen nicht melden kann.
Danke trotzdem,
David
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?David:
Da Sie sich darauf konzentrieren, letztendlich ein Vorhersagemodell zu erstellen, anstatt PCA für die unabhängigen Variablen als Variablenauswahlwerkzeug zum Auffinden der unkorrelierten unabhängigen Variablen zu verwenden, gehe ich davon aus, dass Sie sich auf die Verwendung gewöhnlicher kleinster Quadrate konzentrieren würden, möglicherweise schrittweise Haben Sie in Betracht gezogen, einen direkteren prädiktiven Modellierungsansatz zu verwenden, der die Korrelations-/Kovarianzstruktur zwischen den unabhängigen Variablen nutzt, um Ihnen ein nützliches Modell zu geben?
Ich fürchte, wenn Sie nur die unkorrelierten Variablen verwenden, werfen Sie möglicherweise etwas Vorhersagekraft aus dem Fenster, ohne es wirklich zu wissen. Partial Least Squares und, wenn Sie über JMP Pro verfügen, die Penalized-Regression-Prozeduren in der Personality „Modell anpassen“ -> „Generalized Regression“ sind maßgeschneidert für das prädiktive Modellierungsszenario, bei dem eine Korrelation zwischen den unabhängigen Variablen verdächtig oder offensichtlich ist. Zwei der Techniken, Lasso und Elastic Net, haben einen variablen Auswahlaspekt für ihre Verwendung. Hier sind ein paar Links zur JMP-Online-Dokumentation zu diesen beiden Plattformen:
Partielle Modelle der kleinsten Quadrate
Verallgemeinerte Regressionsmodelle
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?Leider ist es nicht das was ich suche. Angenommen, ich muss in dem Beispiel unter den 6 Variablen die 3 am wenigsten (kreuz-) korrelierten Variablen identifizieren. Welche sind sie? Chloroform, Benzol und Hexan?
Betreff: Wie wähle ich unabhängige Variablen über PCA aus?Wenn Sie den Hotbutton verwenden, sollten Sie in der Lage sein, Hauptkomponenten in der Datentabelle zu speichern.Dann heißen sie einfach Prin1, Prin2, Prin3 usw.
Der Wert entspricht nicht wirklich einer der sechs Variablen.Es ist eine Formel, die so aussieht:
.
Ich bin mir nicht sicher, ob Sie genau danach gefragt haben, aber ich hoffe, es hilft.
