Hilfe zu JMP PCA-Daten!Ich bin neu in der Durchführung von PCAs in JMP. Allerdings scheint es ziemlich einfach zu sein, damit herumzuspielen. Wenn ich jedoch meine eigenen Daten hochlade, beginnen die Probleme dort. Ich mache 3D-GM, daher hat jeder Orientierungspunkt (insgesamt 36) eine X-, Y- und Z-Koordinate. In einer einfachen TXT- oder Excel-Tabelle werden die Daten für jede Probe in drei Spalten (eine X-, Y- und Z-Spalte) mit 36 Zeilen (eine Zeile für jeden Orientierungspunkt) umgewandelt.
Es scheint, dass ich in JMP meine Daten konvertieren muss – jedes Exemplar wäre also eine einzelne Zeile mit 108 Spalten (X1, Y1, Z1, X2, Y2, Z2 usw.) – andernfalls würde es jede Zeile als eine erreichen Probe mit einer einzigen X-, Y- und Z-Koordinate. Richtig? Zweitens fehlen einige meiner Wahrzeichen, und es ist nicht so einfach, dass „Landmark 8“ in jedem Exemplar fehlt. Ich kenne die Vor- und Nachteile und Argumente der Schätzung fehlender Daten usw., möchte das aber nicht tun. In RI wurde einfach „NA“ für fehlende Daten verwendet, aber es scheint, dass JMP die Kombination von Zahlen/Werten/Symbolen nicht mag. Es scheint auch kein - anstelle fehlender Daten oder eines leeren Felds zu gefallen. Für jede Hilfe oder Anregung sind wir sehr dankbar!
Betreff: Hilfe zu JMP PCA-Daten!Ich denke, das hängt im Wesentlichen von Ihrem Datensatz ab ...:
Im JMP-HILFEHANDBUCH können wir Folgendes lesen:
Das MNI unterstellt fehlende Werte basierend auf der multivariaten Normalverteilung. Das Verfahren erfordert, dass alle Variablen einen kontinuierlichen Modellierungstyp haben. Der Algorithmus verwendet die Imputation der kleinsten Quadrate. Die Kovarianzmatrix wird mithilfe paarweiser Kovarianzen erstellt. Die diagonalen Einträge (Varianzen) werden unter Verwendung aller nicht fehlenden Werte für jede Variable berechnet. Die nicht diagonalen Einträge für zwei beliebige Variablen werden unter Verwendung aller Beobachtungen berechnet, die für beide Variablen nicht fehlen. In Fällen, in denen die Kovarianzmatrix singulär ist, verwendet der Algorithmus die Imputation der kleinsten Quadrate der Minimalnorm basierend auf der Moore-Penrose-Pseudoinversen.
Die multivariate Normalimputation bietet die Möglichkeit, einen Schrumpfungsschätzer für die Kovarianzen zu verwenden. Der Einsatz von Schrumpfungsschätzern ist eine Möglichkeit, die Schätzung der Kovarianzmatrix zu verbessern.
Während die SVD für Daten mit Hunderten oder Tausenden von Variablen nützlich ist
Da SVD-Berechnungen keine Berechnung einer Kovarianzmatrix erfordern, wird die SVD-Methode für umfangreiche Probleme empfohlen, die eine große Anzahl von Variablen enthalten
Manchmal ersetze ich einfach (mithilfe eines JSL-Skripts) eine leere Zelle durch den Mittelwert der Spalte
ciao
Gianpaolo
Betreff: Hilfe zu JMP PCA-Daten!Eindrucksvoll! Das ist genau das, was ich brauchte! Vielen Dank. Gibt es aus Neugier – und ich habe die Debattenliteratur vergeblich durchgesehen – einen oder mehrere bestimmte Gründe, warum Sie sich für „Multivariate Normal“ versus „Multivariate SVD“ entschieden haben? Nochmals vielen Dank an alle für die tolle Hilfe!
Betreff: JMP PCA-Datenhilfe!Hallo Dinosaurier
Ich habe Ihre Datendatei nur ein wenig manipuliert. Ich habe alle Spalten in Numerico/Kontinuierlich transformiert und dann fehlende Werte in der Tabelle mithilfe der JMP-Funktion imputiert: FEHLENDE WERT ERKUNDEN -> MULTIVARIATE NORMAL-Imputation. Danach konnte eine PCA durchgeführt werden.
Hoffnung ist das, was Sie brauchen | (Bitte überprüfen Sie die beigefügte TESTTABELLE jmp)
Betreff: Hilfe zu JMP PCA-Daten!Danke für die Hilfe! Ich habe eine JMP-Tabelle meines Arbeitsdatensatzes angehängt (jetzt entsprechend organisiert). Wenn ich Sie richtig verstehe, bin ich also ziemlich SOL, wenn es um fehlende Daten geht? Wenn ich zu Analysieren > Multivariate Methoden > Hauptkomponenten gehe, gibt es ein Feld mit auswählbaren Spalten. Die Spalten, in denen Daten fehlen, haben links neben jeder Spaltenbeschriftung ein rotes Balkendiagrammsymbol, während die „vollständigen“ Spalten ein blaues Dreieckssymbol haben. Wenn ich alle Spalten hervorhebe und sie auf Y, Spalten ziehe (was besagt, dass numerische Werte erforderlich sind), werden nur die blauen Dreiecksspalten „abgelegt“. Ich gehe also davon aus, dass hier im Grunde nur die vollständigen Spalten ausgewählt werden? Als Test habe ich begonnen, einige der fehlenden Einträge durch Werte zu ersetzen (nicht kopiert, sondern zufällige Werte mit der gleichen Länge wie alle anderen). Seltsamerweise wurden diese geänderten Spalten nach dieser Aktion und der erneuten Ausführung immer noch als „unvollständig“ angezeigt. Was fehlt mir also? Und meine größte Frage ist wohl: Was soll ich mit meinen fehlenden Daten tun? Ich wollte fehlende Daten nicht schätzen, da ich geringfügige Formänderungen zwischen verwandten Arten vergleiche, sodass eine Schätzung wahrscheinlich das Bild trüben würde. Da sie so eng verwandt und morphologisch ähnlich sind, wäre eine „Vermischung“ weniger ideal ...
Betreff: Hilfe zu JMP PCA-Daten!Ja, PCA geht davon aus, dass es sich bei jeder Beobachtung oder Probe um eine einzelne Zeile handelt. Schauen Sie sich die beiden beigefügten Tabellen und die darin gespeicherten Skripte an. Um von einem Format zum anderen zu gelangen, müssen Sie „Tabellen > Teilen“ und „Tabellen > Stapel“ verstehen, bei denen es sich im Wesentlichen um inverse Operationen handelt (siehe „Hilfe“).
JMP zeigt fehlende numerische Werte als „.“ an. Wenn Sie auf eine der nemerischen Zellen doppelklicken und deren Inhalt löschen, sollte dies angezeigt werden. Aber (wie Sie beobachtet haben) müssen Werte innerhalb einer Spalte denselben Datentyp und Modellierungstyp haben.
