analizzare i dati di input delle misure ripetute con una singola uscita dipendente alla fine?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao Comunità.
Ho una domanda che ho solo una vaga idea di dove cominciare.
Ho un set di dati nel modulo di tabella flat 2D standard con 3 uscite potenziali e molti molti input.
Qualsiasi uscita è costituita da un singolo numero continuo [ad es. Aumento di peso E materiali consumati] che viene raccolto alla fine di un periodo di tempo variabile (30-50 giorni).
Al momento questo non è un problema poiché tutte le variabili di input (come la posizione geografica, il supervisore) non cambiano durante questo periodo di tempo e quindi una riga di dati rappresenta un periodo di tempo completo
il problema che sto per incontrare è che sto ricevendo dati che cambiano continuamente durante questo periodo di tempo. (ad es. temeprature da un logger)
Non c'è modo di gestirlo in modo sensato nel solito modo prendendo alcune variabili costruite (per esempio Min, max, temperatura media per il periodo di tempo completo) e creando nuove variabili per ognuna in quanto non è probabile che catturi ciò che fa la differenza L'output.
Un altro suggerimento è quello di suddividerlo in una forma più granulare e fare in modo che una colonna per ognuno sia anche non percettibile
(creando un minimo, massimo per ogni giorno per ogni giorno)
Anche se si potesse evitare che ogni colonna fosse altamente correlata a un'altra, sospetto fortemente che i massimi e minimi giornalieri da soli non siano ciò che fa la differenza. (Massimo di 50 ° C per 1 secondo è meno impattante di un massimo di 49 ° C per un'ora).
Per me questo deve essere gestito con un metodo diverso,
Mi è stata segnalata la piattaforma "Modelli misti" in JMP ma non ho esperienza con questo.
Per me, mi sto occupando di una misura ripetuta nel tempo con una pesante correlazione della velocità
Da quanto ho capito (potrei sbagliarmi) PENSO che questo metodo abbia bisogno della mia variabile di uscita per essere misurata anche in questo momento.
Questo non è il mio caso. Alla fine ottengo tutte le mie uscite e solo alla fine.
Quello che sto cercando di ottenere è scoprire cosa in questi dati registrati fa la differenza per il mio output.
Qualcuno può aiutare con quello che posso fare con questo problema?
Ri: analizzare i dati di input delle misure ripetute con una singola uscita dipendente alla fine?Sì, l'interpretazione dei PC è una sfida. È possibile "vedere" l'aspetto di ciascun componente ". Questo potrebbe darti utili informazioni.
Molto probabilmente PLS ti darà modelli migliori. La piattaforma PLS in JMP Pro include grafici che consentono di vedere quale delle variabili contribuisce maggiormente.
Consiglierei di dare un'occhiata al libro su PLS di Cox e Gaudard. Fornisce anche una buona spiegazione della PCA.
Come ho detto sopra, molte altre tecniche potrebbero essere usate (Clustering, Gen Reg, Bootstrap Forest, Neural Nets)
Per quanto riguarda la sfida sul numero di variabili: è qui che entra in gioco la conoscenza del tuo dominio. Pensi davvero che ci sia un valore nel conoscere la temperatura ogni 60 s? JMP può gestire dati davvero molto ampi. Devi decidere se questo sarà utile.
Come sempre questo sarà un processo di esplorazione. In bocca al lupo!
Ri: analizzare i dati di input delle misure ripetute con una singola uscita dipendente alla fine?Grazie per la risposta!
In termini di sfide
CORREGGERE PER FASI A TEMPO VARIABILE
Di solito possiamo correggere un giorno base se il giorno finale effettivo non è troppo lontano. Ad esempio, 40 giorni possono essere un giorno di fine base. Se è di 42 giorni questo viene corretto (sapendo che un pollo di solito cambia di una quantità specifica al giorno in buone condizioni) Se il giorno reale è troppo lontano da 39 giorni (diciamo 50), i dati probabilmente verranno semplicemente omessi - I don ' t penso che ciò avvenga nella realtà (50 giorni) Nel peggiore dei casi, almeno per farlo funzionare, userò solo i dati che finiscono molto vicino a un punto temporale comune. (vale a dire 38-41 giorni) e basta correggere a 39 giorni
METODO
Se seguiamo la tua idea (questo è quello che pensavo potremmo dover usare inizialmente) di una qualche forma di riduzione variabile - come posso mantenere il significato del mondo reale? - questo è un problema che ho in genere con PCA in passato - PCA funziona bene, ma i miei nuovi fattori non assomigliano davvero a nulla di "reale"
PCA (im più familiare con PCA) determinerà le mie variabili di input (ora ID) in fattori che assomigliano vagamente all'originale.
Come saprò a che cosa si riferiscono i nuovi fattori. (cioè se il Fattore 1 è ora una variabile importante, composta da molte variabili originali, come faccio a sapere a cosa si riferisce realmente?)
Anche il numero di variabili di input sarà enorme - fino a 1 variabile per ogni 60 secondi per 39 giorni (che può ovviamente essere ridotto, ma ancora un numero molto alto) - è appropriato per questi metodi?
Dato che avrò molte diverse variabili originali (Temp, umidty, ecc.) Queste (almeno inizialmente) dovrebbero essere meglio analizzate completamente separatamente E / O combinate Certo che posso provare entrambe le cose!
Sotto
tn = temperatura al momento n
hn = umidità al momento n
DUE TAVOLE
Tabella 1
Y - t0 - t1 - t2 ----- tn
1.6
1.7
Tavolo 2
Y - t0 - t1 - t2 ----- tn
1.6
1.7
UN TAVOLO
Y - t0 - t1 - t2 ----- tn -h0 - h1 -h2 ---- hn
1.6
1.7
Grazie per l'aiuto
Ri: analizzare i dati di input delle misure ripetute con una singola uscita dipendente alla fine?Ciao,
Penso che un approccio utile potrebbe essere quello di manipolare i dati in un formato "ampio". In modo che ora la temperatura in ogni momento sia una nuova variabile.
TY
0 23 50
1 25 50
.
.
.
100 24 50
0 21 51
1 22 51
.
.
.
100 25 51
diventa:
Y 0 1 ... 100
50 23 25 ... 24
51 21 22 ... 25
È quindi possibile utilizzare metodi validi per dati ampi e correlati: PCA, clustering, PLS, Gen Reg. In JMP e JMP Pro ci sono metodi che possono gestire dati veramente molto ampi.
Questo è relativamente semplice se il numero di punti temporali è uguale per ogni "corsa". Tuttavia, sembra che il periodo di tempo totale sarà diverso ogni volta. Potrebbe essere di 30 giorni o potrebbe essere di 50 giorni.
Quindi è quindi necessario decidere come affrontare questo problema. E penso che dipenda dalla conoscenza del tuo dominio.
È meglio controllare il periodo di tempo completo per tutte le esecuzioni? Cioè, scartare i dati> 30 giorni.
O dovresti normalizzare nel tempo? Cioè, i periodi di tempo non sono assoluti ma sono una frazione del tempo totale e quindi possono essere allineati su diverse esecuzioni con periodi di tempo totali diversi. Nel qual caso potresti includere anche una variabile per il tempo totale.
