Analysieren wiederholter Messdaten mit einer einzelnen abhängigen Ausgabe am Ende?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo Community.
Ich habe eine Frage, zu der ich nur eine vage Vorstellung habe, wo ich damit anfangen soll.
Ich habe einen Datensatz in der Standard-2D-Flachform mit 3 möglichen Ausgängen und vielen vielen Eingaben.
Jede Ausgabe besteht aus einer einzigen fortlaufenden Nummer (z. B. Gewichtszunahme UND verbrauchte Materialien), die am Ende eines variablen Zeitraums (30-50 Tage) gesammelt wird.
Gegenwärtig ist dies kein Problem, da sich alle Eingabevariablen (wie geografischer Standort, Supervisor) während dieses Zeitraums nicht ändern, und somit repräsentiert eine Datenzeile einen vollständigen Zeitraum
Das Problem, dem ich gerade begegne, ist, dass ich Daten erhalten muss, die sich in diesem Zeitraum ständig ändern. (zB Temperatur von einem Logger)
Es gibt keine Möglichkeit, dies auf die übliche Weise sinnvoll zu handhaben, indem einige konstruierte Variablen (z. B. Min, Max, Durchschnittstemperatur für den gesamten Zeitraum) verwendet und neue Variablen für jede erstellt werden, da dies wahrscheinlich nicht den Unterschied erfasst die Ausgabe.
Ein anderer Vorschlag besteht darin, diese in eine granularere Form zu zerlegen und für jede eine eigene Säule zu erstellen, wäre auch nicht empfehlenswert
(Erstellen eines min, max für jeden Tag für jeden Tag)
Selbst wenn Sie vermeiden könnten, dass jede Kolonne stark mit jeder anderen Spalte korreliert, vermute ich stark, dass tägliche Maxima und Minima für sich allein nicht den Unterschied ausmachen. (Max. 50 ° C für 1 Sekunde ist weniger störend als eine Stunde bei 49 ° C).
Für mich muss dies auf eine andere Weise gehandhabt werden,
Ich wurde in JMP auf die Plattform "Gemischte Modelle" hingewiesen, habe aber keine Erfahrung damit.
Für mich habe ich es mit einer wiederholten Messung in der Zeit zu tun, mit hohem Korrelationsdurchsatz
Von dem, was ich herausfinde (ich könnte falsch sein), denke ich, diese Methode benötigt meine Ausgangsvariable, um auch über diese Zeit gemessen zu werden.
Dies ist bei mir nicht der Fall. Ich bekomme alle meine Ausgaben am Ende und nur am Ende.
Was ich zu erreichen suche ist herauszufinden, was in diesen protokollierten Daten einen Unterschied zu meiner Ausgabe macht.
Kann mir jemand helfen, was ich mit diesem Problem anfangen kann?
Re: Analysieren wiederholter Messdaten mit einer einzelnen abhängigen Ausgabe am Ende?Ja, die Interpretation von PCs ist eine Herausforderung. Es ist möglich zu "sehen", wie jede Komponente "aussieht". Dies könnte Ihnen nützliche Einblicke geben.
Mit PLS erhalten Sie wahrscheinlich bessere Modelle. Die PLS-Plattform in JMP Pro enthält Diagramme, mit denen Sie sehen können, welche der Variablen am meisten beitragen.
Ich würde empfehlen, einen Blick auf das PLS-Buch von Cox und Gaudard zu werfen. Es gibt auch eine gute Erklärung für PCA.
Wie ich oben erwähnte, könnten viele andere Techniken verwendet werden (Clustering, Gen Reg, Bootstrap Forest, Neuronale Netze).
In Bezug auf die Anzahl der Variablen: Hier kommt Ihr Domänenwissen ins Spiel. Denken Sie wirklich, dass es von Vorteil ist, alle 60 Sekunden die Temperatur zu kennen? JMP kann sehr breite Daten verarbeiten. Sie müssen entscheiden, ob dies nützlich ist.
Wie immer wird dies ein Erkundungsprozess sein. Viel Glück!
Re: Analysieren wiederholter Messdaten mit einer einzelnen abhängigen Ausgabe am Ende?Vielen Dank für Ihre Antwort!
In Bezug auf die Herausforderungen
KORREKTUREN FÜR VARIABLE TIME SPANS
Wir können normalerweise auf einen Basistag korrigieren, wenn der tatsächliche Endtag nicht zu weit entfernt ist. Zum Beispiel können 40 Tage ein Endtag sein. Wenn es 42 Tage ist, wird dies korrigiert (wenn man weiß, dass sich ein Huhn normalerweise bei gutem Zustand um einen bestimmten Betrag pro Tag ändert). Wenn der tatsächliche Tag zu weit von 39 Tagen entfernt ist (z. B. 50), werden diese Daten wahrscheinlich einfach weggelassen - ich ziehe ' Ich glaube sogar, dass dies in der Realität passiert (50 Tage). Im schlimmsten Fall werde ich, um dies funktionieren zu lassen, nur Daten verwenden, die sehr nahe an einem gemeinsamen Zeitpunkt enden. (dh 38-41 Tage) und nur bis 39 Tage korrigieren
METHODE
Wenn wir auf Ihre Idee (dies ist, was ich dachte, wir müssen anfangs verwenden müssen) von einer Form der variablen Reduktion - wie kann ich die Bedeutung der realen Welt beibehalten? - das ist ein Problem, das ich normalerweise mit PCA in der Vergangenheit habe - PCA funktioniert na ja, aber meine neuen Faktoren ähneln nicht wirklich 'echt'
PCA (mit PCA bestens vertraut) wird meine (jetzt Zeit-ID) Eingangsvariablen in Faktoren einteilen, die dem Original nur vage ähneln.
Woher weiß ich, worauf sich die neuen Faktoren beziehen? (dh wenn Faktor 1 jetzt eine wichtige Variable ist und aus vielen Originalvariablen besteht, woher soll ich dann wissen, worauf es sich wirklich bezieht?)
Auch die Anzahl der Eingabevariablen wird massiv sein - bis zu 1 Variable für alle 60 Sekunden für 39 Tage (die natürlich reduziert werden kann, aber immer noch eine sehr hohe Anzahl) - ist dies für diese Methoden geeignet?
Da ich viele verschiedene ursprüngliche Variablen (Temperatur, Luftfeuchtigkeit usw.) haben werde, wäre es (zumindest anfangs) besser, sie vollständig zu analysieren UND / ODER zu kombinieren.
Unten
tn = Temperatur zum Zeitpunkt n
hn = Luftfeuchtigkeit zum Zeitpunkt n
ZWEI TISCHE
Tabelle 1
Y - t0 - t1 - t2 ----- tn
1.6
1.7
Tabelle 2
Y - t0 - t1 - t2 ----- tn
1.6
1.7
EIN TISCH
Y - t0 - t1 - t2 ----- tn - h0 - h1 - h2 ---- hn
1.6
1.7
Danke für Ihre Hilfe
Re: Analysieren wiederholter Messdaten mit einer einzelnen abhängigen Ausgabe am Ende?Hallo,
Ich denke, ein nützlicher Ansatz könnte darin bestehen, die Daten in ein "weites" Format umzuwandeln. Damit ist die Temperatur zu jedem Zeitpunkt eine neue Variable.
t TY
0 23 50
1 25 50
.
.
.
100 24 50
0 21 51
1 22 51
.
.
.
100 25 51
wird:
Y 0 1 ... 100
50 23 25 ... 24
51 21 22 ... 25
Sie können dann Methoden verwenden, die für breite, korrelierte Daten geeignet sind: PCA, Clustering, PLS, Gen Reg. In JMP und JMP Pro gibt es Methoden, mit denen sehr breite Daten verarbeitet werden können.
Dies ist relativ einfach, wenn die Anzahl der Zeitpunkte für jeden "Lauf" gleich ist. Es klingt jedoch so, als würde sich der Gesamtzeitraum jedes Mal ändern. Es kann 30 Tage oder 50 Tage sein.
Sie müssen dann entscheiden, wie Sie mit diesem Problem umgehen. Und ich denke, das hängt von Ihrem Domänenwissen ab.
Ist es am besten, nur den Zeitraum zu betrachten, der für alle Läufe abgeschlossen ist? Das heißt, verwerfen Sie Daten> 30 Tage.
Oder sollten Sie sich im Laufe der Zeit normalisieren? Das heißt, die Zeiträume sind nicht absolut, sondern ein Bruchteil der Gesamtzeit und können daher über verschiedene Läufe mit unterschiedlichen Gesamtzeiträumen ausgerichtet werden. In diesem Fall würden Sie möglicherweise auch eine Variable für die Gesamtzeit angeben.
