PCA 모델 검증 기법PCA는 일련의 관찰을 설명하는 모델을 작성하는 데 사용할 수 있습니다. 다변량 플랫폼을 사용하면 다변량 평균에 비해 극단적인 관측치가 있는지 확인하기 위해 잭나이프 및 T2 이상값 분석을 수행할 수 있습니다.
어떤 상황에서 가중치 열을 사용하여 모델을 만들 수 있습니까?
PCA 모델을 사용하는 경우 어떻게 유지 관리합니까?
새로운 관찰이 있는 경우 저장된 기본 구성 요소 및 T2를 적용하여 내 모델과 일치하는지 평가할 수 있습니다.
JMP에 PCA 모델이 얼마나 강력한지 평가하는 방법이 있습니까? 예를 들어 각 열에서 무작위로 셀 값의 10%를 삭제한 다음 대치 누락을 사용하여 공분산 행렬에서 복구하는 스크립트를 만드는 것을 생각하고 있었습니다. 이것을 여러 번 반복하고 고유값 테이블과 대치된 대 실제를 비교함으로써 모델 견고성에 대한 유용한 정보를 제공할 수 있습니다.
Re: PCA 모델 검증 기법PCA 검증에 대한 또 다른 생각은 JMP Pro의 "검증 열 만들기" 기능으로 검증 열을 만드는 것입니다. 다음은 이 유틸리티를 설명하는 JMP 온라인 설명서에 대한 링크입니다.
http://www.jmp.com/support/help/13-2/Make_Validation_Column_Utility.shtml#
JMP Pro를 실행하지 않는 경우 동료가 표시한 워크플로를 사용하여 JMP Pro를 생성할 수 있습니다. @줄리안 이 비디오에서:
https://www.youtube.com/watch?v=M5_mECc4NAg
그런 다음 유효성 검사 열을 By 변수로 사용합니다. 그런 다음 합리성 등을 위해 다양한 PCA 시각화 및 통계를 비교할 수 있습니다.
Re: PCA 모델 검증 기법DModX는 또 다른 옵션일 수 있습니다.
From the Multivariate Methods book in HelpFrom the Multivariate Methods book in Help도움말의 다변수 방법 책에서 다른 수식 열과 마찬가지로 DModX 수식을 데이터 테이블에 저장합니다.
Re: PCA 모델 검증 기법나는 당신이이 아이디어로 어디로 가고 있는지 좋아합니다.
첫째, 무게와 빈도, 나는 그들이 주 구성 요소에서 같은 일을 한다고 확신합니다. 가중치는 빈도가 정수를 사용하는 경우 분수를 사용할 수 있습니다.
당신이 생각하는 많은 기능이 스크립팅하기 매우 쉬운 것 같습니다.
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/Tiretread.jmp" );
obj = dt<<MULTIVARIATE>= Col Quantile( :name("T Square"), 0.9 ) );
r<<EXCLUDE></EXCLUDE></MULTIVARIATE>
