Guida ai dati PCA di JMP!Sono nuovo nel fare PCA in JMP. Giocarci però sembra abbastanza semplice. Tuttavia, quando sto caricando i miei dati, è lì che iniziano i problemi. Sto facendo 3D GM, quindi ogni punto di riferimento (36 in totale) ha una coordinata X, Y e Z. In una semplice tabella txt o Excel, i dati per ogni campione vengono convertiti in 3 colonne (una colonna X, Y e Z) con 36 righe (una riga per ogni punto di riferimento).
Sembrerebbe che in JMP devo convertire i miei dati - ogni campione sarebbe quindi una singola riga con 108 colonne (X1, Y1, Z1, X2, Y2, Z2, ecc.) - altrimenti raggiungerebbe ogni riga come campione con una singola coordinata X, Y e Z. Corretto? In secondo luogo, mancano alcuni dei miei punti di riferimento, e non è così semplice come "Landmark 8" manca in ogni esemplare. Conosco i pro, i contro e gli argomenti della stima dei dati mancanti ecc., Ma non voglio farlo. In RI si usava semplicemente "NA" per i dati mancanti, ma sembra che a JMP non piaccia combinare numeri/valori/simboli. Né sembra gradire un - al posto dei dati mancanti, né un campo vuoto. Qualsiasi aiuto o suggerimento è molto apprezzato!
Ri: JMP PCA Dati Aiuto!Penso che fondamentalmente dipenda dal tuo set di dati ...:
da JMP HELP MANUAL possiamo leggere che:
L'MNI imputa i valori mancanti in base alla distribuzione normale multivariata. La procedura richiede che tutte le variabili abbiano un tipo di modellazione continua. L'algoritmo utilizza l'imputazione dei minimi quadrati. La matrice di covarianza è costruita utilizzando covarianze a coppie. Le voci diagonali (varianze) vengono calcolate utilizzando tutti i valori non mancanti per ciascuna variabile. Le voci fuori diagonale per due variabili qualsiasi vengono calcolate utilizzando tutte le osservazioni non mancanti per entrambe le variabili. Nei casi in cui la matrice di covarianza è singolare, l'algoritmo utilizza l'imputazione dei minimi quadrati della norma minima basata sulla pseudo-inversa di Moore-Penrose.
L'assegnazione normale multivariata consente l'opzione di utilizzare uno stimatore del ritiro per le covarianze. L'uso di stimatori di ritiro è un modo per migliorare la stima della matrice di covarianza.
Mentre l'SVD è utile per i dati con centinaia o migliaia di variabili
Poiché i calcoli SVD non richiedono il calcolo di una matrice di covarianza, il metodo SVD è consigliato per problemi ampi che contengono un gran numero di variabili
A volte sostituisco (usando uno script jsl) la cella vuota con la media se la colonna
Ciao
Gianpaolo
Ri: JMP PCA Dati Aiuto!Eccezionale! Questo è esattamente ciò di cui avevo bisogno! Grazie mille. Per curiosità - e ho esaminato inutilmente la letteratura del dibattito - c'è una ragione particolare per cui hai scelto Multivariate Normal contro Multivariate SVD? Grazie ancora a tutti per il fantastico aiuto!
Ri: JMP PCA Dati Aiuto!Ciao dinosauro
ho appena manipolato un po' il tuo file di dati. ho trasformato tutte le Colonne in Numerico/continuo, quindi ho imputato i valori mancanti sulla tabella utilizzando la funzione JMP: ESPLORA VALORE MANCANTE--> Imputazione NORMALE MULTIVARIATA. Successivamente è stato possibile eseguire PCA.
hope è ciò di cui avevi bisogno |(controlla la TABELLA DI PROVA jmp allegata)
Ri: JMP PCA Dati Aiuto!Grazie per l'aiuto! Ho allegato una tabella JMP del mio set di dati di lavoro (ora opportunamente organizzato). Quindi, se ho capito bene, sono praticamente SOL per i dati mancanti? Quando vado su Analizza> Metodi multivariati> Componenti principali, c'è una casella di colonne selezionabili. Le colonne con dati mancanti hanno un'icona con un grafico a barre rosso a sinistra di ogni etichetta di colonna, mentre quelle "complete" hanno un'icona con un triangolo blu. Quando evidenzio tutte le colonne e le trascino su Y, Colonne (che dice che sono richiesti valori numerici), "deposita" solo le colonne del triangolo blu. Quindi presumo che questo stia effettivamente selezionando solo le colonne complete? Come test ho iniziato a sostituire alcune delle voci mancanti con valori (non copiati, ma valori casuali della stessa lunghezza di tutti gli altri). Stranamente, dopo averlo fatto e rieseguito, queste colonne modificate risultavano ancora "incomplete". Quindi cosa mi sto perdendo? E immagino che la mia più grande domanda, cosa dovrei fare per i miei dati mancanti? Non volevo stimare i dati mancanti perché sto confrontando piccoli cambiamenti di forma tra specie correlate, quindi una stima probabilmente confonderebbe l'acqua. Dal momento che sono così strettamente imparentati e morfologicamente simili, "mescolarli" sarebbe tutt'altro che ideale...
Ri: JMP PCA Dati Aiuto!Sì, PCA prevede che ogni osservazione o campione sia una singola riga. Dai un'occhiata alle due tabelle allegate e agli script salvati in esse. Per passare da un formato all'altro è necessario comprendere 'Tabelle > Dividi' e 'Tabelle > Stack' che sono essenzialmente operazioni inverse (guardare in 'Aiuto').
JMP visualizza i valori numerici mancanti come '.'. Se fai doppio clic su una delle celle nemeriche ed elimini il suo contenuto, dovresti vedere questo. Ma (come hai osservato), i valori all'interno di una colonna devono avere lo stesso tipo di dati e lo stesso tipo di modellazione.
