¡Ayuda con los datos de JMP PCA!Soy nuevo en hacer PCA en JMP. Sin embargo, jugar con él parece bastante simple. Sin embargo, cuando estoy cargando mis propios datos, ahí es donde comienzan los problemas. Estoy haciendo GM en 3D, por lo que cada punto de referencia (36 en total) tiene una coordenada X, Y y Z. En una tabla simple de txt o Excel, los datos de cada espécimen se convierten en 3 columnas (una columna X, Y y Z) con 36 filas (una fila para cada punto de referencia).
Parecería que en JMP tengo que convertir mis datos; por lo tanto, cada muestra sería una sola fila con 108 columnas (X1, Y1, Z1, X2, Y2, Z2, etc.), de lo contrario, llegaría a cada fila como un espécimen con una sola coordenada X, Y y Z. ¿Correcto? En segundo lugar, faltan algunos de mis puntos de referencia, y no es tan simple como que falta "Landmark 8" en cada espécimen. Conozco los pros y los contras y los argumentos de estimar los datos faltantes, etc., pero no quiero hacer eso. En RI, simplemente usó "NA" para los datos faltantes, pero parece que a JMP no le gusta combinar números/valores/símbolos. Tampoco parece gustarle un - en lugar de datos faltantes, ni un campo vacío. ¡Alguna ayuda o sugerencia será muy apreciada!
Re: ¡Ayuda con los datos de JMP PCA!Creo que básicamente depende de su conjunto de datos ...:
por JMP MANUAL DE AYUDA podemos leer que:
El MNI imputa los valores faltantes en función de la distribución normal multivariada. El procedimiento requiere que todas las variables tengan un tipo de modelado Continuo. El algoritmo utiliza la imputación de mínimos cuadrados. La matriz de covarianza se construye utilizando covarianzas por pares. Las entradas diagonales (varianzas) se calculan usando todos los valores que no faltan para cada variable. Las entradas fuera de la diagonal para dos variables cualesquiera se calculan utilizando todas las observaciones que no faltan para ambas variables. En los casos en que la matriz de covarianza es singular, el algoritmo utiliza la imputación de mínimos cuadrados de norma mínima basada en la pseudoinversa de Moore-Penrose.
La imputación normal multivariada permite la opción de utilizar un estimador de contracción para las covarianzas. El uso de estimadores de contracción es una forma de mejorar la estimación de la matriz de covarianza.
Mientras que el SVD es útil para datos con cientos o miles de variables
Debido a que los cálculos SVD no requieren el cálculo de una matriz de covarianza, se recomienda el método SVD para problemas amplios que contienen una gran cantidad de variables.
En algún momento simplemente reemplazo (usando un script jsl) la celda vacía con la media si la columna
chao
gianpaolo
Re: ¡Ayuda con los datos de JMP PCA!¡Impresionante! ¡Esto es exactamente lo que necesitaba! Muchas gracias. Por curiosidad, y he estado revisando la literatura de debate en vano, ¿hay alguna razón en particular por la que eligió Normal multivariante versus SVD multivariante? ¡Gracias a todos de nuevo por la increíble ayuda!
Re: ¡Ayuda con los datos de JMP PCA!hola dinosaurio
Acabo de manipular un poco tu archivo de datos. Transformé todas las columnas en numérico/continuo, luego imputé los valores faltantes en la tabla usando la función JMP: EXPLORAR VALOR FALTANTE--> Imputación NORMAL MULTIVARIADA. Después de eso ha sido posible realizar PCA.
Espero que sea lo que necesitabas | (verifica la TABLA DE PRUEBA jmp adjunta)
Re: ¡Ayuda con los datos de JMP PCA!¡Gracias por la ayuda! Adjunté una tabla JMP de mi conjunto de datos de trabajo (ahora debidamente organizado). Entonces, si te entiendo correctamente, ¿estoy bastante SOL por datos faltantes? Cuando voy a Analizar > Métodos multivariantes > Componentes principales, hay un cuadro de columnas seleccionables. Las columnas con datos faltantes tienen un icono de gráfico de barras rojo a la izquierda de la etiqueta de cada columna, mientras que las "completas" tienen un icono de triángulo azul. Cuando resalto todas las columnas y las arrastro a Y, Columnas (que dice que se requieren valores numéricos), solo "deposita" las columnas del triángulo azul. Entonces, ¿supongo que esto es solo seleccionar las columnas completas? Como prueba, comencé a reemplazar algunas de las entradas faltantes con valores (no copiados, sino valores aleatorios de la misma longitud que todos los demás). Curiosamente, después de hacer esto y volver a ejecutar, estas columnas modificadas todavía se mostraban como "incompletas". Entonces, ¿qué me estoy perdiendo? Y supongo que mi mayor pregunta, ¿qué debo hacer con mis datos faltantes? No quería estimar los datos faltantes porque estoy comparando cambios de forma menores entre especies relacionadas, por lo que una estimación probablemente enturbiaría el agua. Dado que están tan estrechamente relacionados y son morfológicamente similares, "combinarlos" sería menos que ideal...
Re: ¡Ayuda con los datos de JMP PCA!Sí, PCA espera que cada observación o muestra sea una sola fila. Eche un vistazo a las dos tablas adjuntas y los scripts guardados en ellas. Para pasar de un formato a otro, debe comprender 'Tablas> Dividir' y 'Tablas> Apilar', que son, esencialmente, operaciones inversas (consulte la 'Ayuda').
JMP muestra los valores numéricos faltantes como '.'. Si hace doble clic en una de las celdas neméricas y elimina su contenido, debería ver esto. Pero (como observó), los valores dentro de cualquier columna deben tener el mismo tipo de datos y tipo de modelado.
