끝에서 단일 종속 출력으로 반복 측정 입력 데이터 분석?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕하세요. 커뮤니티.
나는 그것으로 시작해야 할 곳이 모호하다는 생각 만 가지고있다.
필자는 3 개의 잠재적 인 출력과 많은 입력이있는 표준 2D 플랫 테이블 형식의 데이터 세트를 보유하고 있습니다.
모든 출력은 가변 기간 (30-50 일)이 끝날 때 수집되는 단일 연속 번호 [예 : 체중 증가 및 소비 된 자재]로 구성됩니다.
현재 모든 입력 변수 (지리적 위치, 관리자 등)가이 기간 동안 변경되지 않으므로 한 행의 데이터가 하나의 완전한 기간을 나타 내기 때문에 문제가되지 않습니다
내가 직면하고있는 문제는이 기간 동안 지속적으로 변화하는 데이터를 받기 때문입니다. (예 : 로거의 temeprature)
몇 가지 구성 변수 (예 : 최소, 최대, 전체 기간의 평균 기온)를 취하여 각 변수에 대한 새로운 변수를 작성하면 일반적인 방법으로 현명하게 처리 할 수 없습니다. 출력.
또 다른 제안은 이것을 더 세분화 된 형태로 분해하고 각각에 대한 컬럼을 만들어내는 것이 생기지 않을 것이라고 생각합니다.
(매일 매일 매일 min을 생성)
모든 열이 다른 열과 상관 관계가 높다는 것을 피할 수 있다고하더라도, 일일 최대 값과 최소값은 그 차이를 만드는 것이 아닙니다. (1 초 동안 50C의 최대 값은 1 시간 동안 최대 49C보다 덜 충격적입니다).
나에게 이것은 다른 방법으로 처리 될 필요가있다.
JMP에서 'Mixed models'플랫폼을 지적했지만 경험이 없습니다.
나에게 나는 무거운 상관 처리량과 시간에 반복 측정을 다루고있다
내가 수집 한 것에서 (나는 틀릴 수도 있음)이 방법은이 시간에 측정 할 수있는 출력 변수가 필요하다고 생각합니다.
이것은 나를위한 것이 아닙니다. 나는 모든 결과물을 끝에서 얻는다.
내가 성취하고자하는 것은이 기록 된 데이터가 내 산출물에 어떤 영향을 미치는지 알아내는 것입니다.
아무도 내가이 문제를 함께 할 수있는 도와 드릴까요?
다시 끝에 단일 종속 출력으로 입력 데이터를 측정 분석?네, PC의 해석은 도전입니다. 각 구성 요소가 "어떻게 생겼는지"를 "볼"수 있습니다. 이렇게하면 유용한 통찰력을 얻을 수 있습니다.
PLS가 가장 좋은 모델을 제공 할 것입니다. JMP Pro의 PLS 플랫폼에는 어떤 변수가 가장 많이 기여하는지 확인할 수있는 플롯이 있습니다.
Cox와 Gaudard의 PLS에 대한 책을 살펴 보는 것이 좋습니다. 그것은 또한 PCA에 대한 좋은 설명을 제공합니다.
위에서 언급했듯이 많은 다른 기술들이 사용될 수 있습니다 (클러스터링, Gen Reg, 부트 스트랩 포레스트, 신경망)
변수 수에 대한 도전 : 이것이 도메인 지식이 들어오는 곳입니다. 60 초마다 온도를 아는 것이 가치 있다고 생각하십니까? JMP는 매우 넓은 데이터를 처리 할 수 있습니다. 이것이 유용 할지를 결정해야합니다.
언제나 그렇듯이 이것은 탐험의 과정이 될 것입니다. 행운을 빕니다!
다시 끝에 단일 종속 출력으로 입력 데이터를 측정 분석?귀하의 회신에 감사드립니다!
도전의 관점에서
변하기 쉬운 시간 분비를위한 교정
실제 마감일이 너무 멀지 않은 경우 기본 일까지 수정할 수 있습니다. 예를 들어 40 일이 기본 마감일이 될 수 있습니다. 42 일이라면 치킨이 보통 좋은 상태에서 하루에 특정 양만큼 바뀌는 것을 알면서 수정됩니다. 실제 날짜가 39 일 (예 : 50)에서 너무 멀면 데이터가 생략 될 것입니다. 현실에서 일어난다 고 생각조차 않는다. (50 일) 최악의 경우, 최소한이 작업을하려면 공통된 시점 근처에서 끝나는 데이터 만 사용한다. (즉, 38-41 일) 올바른 39 일
방법
우리가 당신의 생각대로 (이것이 처음에 사용해야 할 것 같았던 것입니다.) 어떤 형태의 변수 감소 - 실제 세계의 의미는 어떻게 유지합니까? - 이것이 제가 PCA와 과거에 일반적으로 겪었던 문제입니다 - PCA가 작동합니다 음,하지만 내 새로운 요소는 실제로 '진짜'
PCA (PCA에 가장 익숙한)는 내 (현재 시간 ID) 입력 변수를 모호하게 원래의 요소와 일치시키는 요인으로 분해합니다.
새로운 요소가 무엇인지 어떻게 알 수 있습니까? (즉, Factor 1이 중요한 변수 인 경우 많은 원래 변수로 구성됩니다. 이것이 실제로 관련이있는 것을 어떻게 알 수 있습니까?)
또한 입력 변수의 수는 엄청납니다 - 39 일 동안 매 60 초당 최대 1 개의 변수 (당연히 줄일 수 있지만 여전히 매우 높은 수) -이 방법에 적합합니까?
여러 다른 원래 변수 (온도, 습도 등)가 있기 때문에 (적어도 처음에는) 완전히 분리되어 분석하는 것이 더 좋을 것입니다. 그리고 / 또는 둘 다 시도 할 수 있습니다!
이하
tn = 시점 n에서의 온도
hn = 시점 n에서의 습도
2 개의 테이블
1 번 테이블
Y - t0 - t1 - t2 ----- tn
1.6
1.7
표 2
Y - t0 - t1 - t2 ----- tn
1.6
1.7
하나의 테이블
Y - t0 - t1 - t2 ----- tn - h0 - h1 - h2 ---- hn
1.6
1.7
당신의 도움을 주셔서 감사합니다
다시 끝에 단일 종속 출력으로 입력 데이터를 측정 분석?안녕하세요,
유용한 접근법은 데이터를 "와이드"형식으로 조작하는 것일 수 있다고 생각합니다. 이제는 각 시점의 온도가 새로운 변수입니다.
타이
0 23 50
1 25 50
.
.
.
100 24 50
0 21 51
1 22 51
.
.
.
100 25 51
다음과 같이됩니다.
Y 0 1 ... 100
50 23 25 ... 24
51 21 22 ... 25 명
그런 다음 폭 넓은 상관 관계가있는 데이터 (PCA, 클러스터링, PLS, Gen Reg)에 적합한 메소드를 사용할 수 있습니다. JMP 및 JMP Pro에는 실제로 매우 광범위한 데이터를 처리 할 수있는 방법이 있습니다.
시간 점 수가 각 "실행"에 대해 동일하면 비교적 간단합니다. 그러나 총 시간 간격은 매번 다를 수 있습니다. 30 일 또는 50 일이 될 수 있습니다.
따라서이 문제에 대처하는 방법을 결정해야합니다. 그리고 그것은 귀하의 도메인 지식에 달려 있다고 생각합니다.
모든 실행에 대해 완료된 기간을 살펴 보는 것이 가장 좋습니다. 즉, 데이터를 30 일 이상 버립니다.
아니면 시간이 지남에 따라 정상화해야합니까? 즉, 기간은 절대적이지는 않지만 총 시간의 일부이므로 전체 기간이 다른 여러 실행에 대해 정렬 될 수 있습니다. 어떤 경우에는 전체 시간에 대한 변수를 포함 할 수도 있습니다.
