分析重複測量輸入數據與單個依賴輸出結束？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />嗨社區。
我有一個問題，我只有一個模糊的想法，從哪裡開始。
我有一個標準2D平台表格中的數據集，有3個潛在輸出和許多輸入。
任何一個輸出包括在可變時間段（30-50天）結束時收集的單個連續數[例如體重增加和消耗的材料]。
目前這不是一個問題，因為所有輸入變量（例如地理位置，主管）在此時間段內不會改變，因此一行數據代表一個完整的時間段
我即將遇到的問題是，我將收到在此期間不斷變化的數據。（例如來自記錄儀的溫度）
通過採用一些構造的變量（例如整個時間段的最小值，最大值，平均溫度）以及為每個變量創建新變量，無法以通常的方式合理地處理這一點，因為這不可能捕獲導致差異的因素。輸出。
另一個建議是將其分解為更細粒度的形式，並為每個製作一個列也是不可行的
（每天為每天創建最小值，最大值）
即使你可以避免每一列都與其他列高度相關，我強烈懷疑每天的最大值和最小值並不會產生差異。（1秒的最大50℃比1小時的最大49℃的影響小）。
對我來說，這需要以不同的方法處理，
我已經指出JMP中的“混合模型”平台，但沒有經驗。
對我而言，我正在及時處理重複測量，並且測量結果具有較高的相關吞吐量
從我收集（我可能是錯的）我認為這個方法需要我的輸出變量也在這個時間測量。
對我來說情況並非如此。我最後得到了所有的輸出，並且只在最後。
我想要實現的是找出這個記錄數據中的內容會對我的輸出產生影響。
任何人都可以幫我解決這個問題嗎？
Re：分析重複測量輸入數據，結果是單個依賴輸出？是的，PC的解釋是一個挑戰。可以“看到”每個組件“看起來像什麼”。這可能會為您提供有用的見解。
PLS很可能會為您提供更好的模型。JMP Pro中的PLS平台包含的圖表使您可以查看哪些變量貢獻最大。
我建議看一下Cox和Gaudard關於PLS的書。它也給出了PCA的一個很好的解釋。
如上所述，可以使用許多其他技術（Clustering，Gen Reg，Bootstrap Forest，Neural Nets）
關於變量數量的挑戰：這是您的領域知識的來源。你真的認為每隔60秒知道溫度是否有價值？JMP可以處理非常廣泛的數據。您需要確定這是否有用。
一如既往，這將是一個探索的過程。祝好運！
Re：分析重複測量輸入數據，結果是單個依賴輸出？感謝您的答复！
在挑戰方面
糾正可變時間跨度
如果實際結束日不是太遠，我們通常可以糾正到基準日。例如，40天可以是基礎完成日。如果是42天，則更正（通過了解雞肉通常在良好條件下每天更換特定量）如果實際日期距離39天（比如50）太遠，數據可能會被省略 - 我不會甚至認為這發生在現實中（50天）在最壞的情況下，至少為了使這個工作，我將僅使用非常接近共同時間點的數據。（即38-41天），只需更正39天
方法
如果我們按照你的想法（這是我認為我們可能不得不首先使用）進行某種形式的變量減少 - 我如何保留現實世界的意義？- 這是我過去通常與PCA有關的一個問題 - PCA的工作原理好吧，但我的新因素並不像真正的“真實”
PCA（我最熟悉PCA）會將我的（現在的時間ID）輸入變量分解為只與前者模糊相似的因素。
我怎麼知道新因素的含義。（即如果因子1現在是一個重要變量，由許多原始變量組成，我怎麼知道這與它真正有什麼關係？）
此外，輸入變量的數量將是巨大的 - 在39天內每60秒最多1個變量（當然可以減少，但仍然非常高） - 這適用於這些方法嗎？
因為我將有許多不同的原始變量（溫度，濕度等），這些（至少最初）最好是單獨完全分析和/或組合當然我可以嘗試兩者！
下面
tn =時間點n的溫度
hn =時間點的濕度n
兩個表格
表格1
Y - t0 - t1 - t2 ----- tn
1.6
1.7
表2
Y - t0 - t1 - t2 ----- tn
1.6
1.7
一桌
Y - t0 - t1 - t2 ----- tn -h0 - h1 -h2 ---- hn
1.6
1.7
謝謝你的幫助
Re：分析重複測量輸入數據，結果是單個依賴輸出？嗨，
我認為一種有用的方法可能是將數據操作為“寬”格式。所以現在每個時間點的溫度都是一個新的變量。
t TY
0 23 50
1 25 50
。
。
。
100 24 50
0 21 51
1 22 51
。
。
。
100 25 51
變為：
是0 1 ... 100
50 23 25 ... 24
51 21 22 ...... 25
然後，您可以使用適用於廣泛相關數據的方法：PCA，群集，PLS，Gen Reg。在JMP和JMP Pro中，有一些方法可以處理非常廣泛的數據。
如果每次“運行”的時間點數相同，則這相對簡單。但是，聽起來每次總時間段會有所不同。可能是30天，也可能是50天。
所以你需要決定如何應對這個問題。我認為這取決於您的領域知識。
是否最好只查看所有運行完成的時間段？也就是說，丟棄數據> 30天。
或者你應該隨著時間的推移正常化？也就是說，時間段不是絕對的，而是總時間的一部分，因此可以在具有不同總時間段的不同運行中對齊。在這種情況下，您可能還會包含總時間變量。
