最後に単一の従属出力を持つ反復測定入力データを分析しますか？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />こんにちはコミュニティ。
私はそれがどこから始めるべきかについて漠然とした考えしか持っていないという質問があります。
私は3つの潜在的な出力と多くの多くの入力を持つ標準の2Dフラットテーブル形式のデータセットを持っています。
任意の1つの出力は、可変期間（30〜50日）の終わりに収集される単一の連続した数字（たとえば、体重増加量と消費された材料）から構成されます。
現在のところ、これは問題ではありません。地理的位置、スーパーバイザーなどのすべての入力変数がこの期間中に変更されることはなく、したがって1行のデータが1つの完全な期間を表すためです。
私が遭遇しようとしている問題は私がこの期間中に絶えず変化するデータを受信することに起因しているということです。（ロガーからの温度など）
いくつかの構成された変数（例えば、Min、max、全期間の平均気温）を取り、それぞれに新しい変数を作成することによって通常の方法でこれを賢明に処理する方法はありません。出力。
もう一つの提案はこれをもっと細かい形に細分化することであり、それぞれのためにコラムを作ることも実行不可能であろう
（毎日、毎日最小、最大を作成）
たとえあなたがすべてのコラムが他のすべてと非常に相関しているのを避けることができたとしても、私は自分自身で毎日の最大値と最小値が違いを生むものではないと強く疑う。（1秒間の最大50℃は、1時間の最大49℃よりも影響が少なくなります）。
私にはこれは別の方法で処理する必要があります。
私はJMPで「混合モデル」プラットフォームを指摘されましたが、それについての経験はありません。
私には、相関処理量の多い繰り返し測定を間に合うように処理しています。
私が集めるものから（私は間違っているかもしれません）私はこのメソッドもこの時間にわたって測定される私の出力変数を必要とすると思います。
これは私には当てはまりません。私はすべての成果を最後に、そして最後にのみ取得します。
私が達成しようとしているのは、この記録されたデータの中で何が私の出力に影響を与えるのかを見つけることです。
誰もが私がこの問題で何ができるかを手伝ってくれる？
再：最後に単一の従属出力を持つ反復測定入力データを分析するはい、PCの解釈は難題です。各コンポーネントの外観を「見る」ことができます。これはあなたに有用な洞察を与えるかもしれません。
PLSはおそらくあなたにもっと良いモデルを与えるでしょう。JMP ProのPLSプラットフォームには、どの変数が最も貢献しているかを確認できるプロットが含まれています。
CoxとGaudardによるPLSに関する本を見てみることをお勧めします。それはまたPCAのよい説明を与えます。
私が上で述べたように、他の多くのテクニックが使用されるかもしれません（クラスタリング、Gen Reg、Bootstrap Forest、Neural Nets）
変数の数に関する課題については、ここがあなたのドメイン知識が入るところです。あなたは本当に60秒ごとに温度を知ることに価値があると思いますか？JMPは本当に広いデータを扱うことができます。これが役に立つかどうかを決める必要があります。
いつものようにこれは探査のプロセスになります。がんばろう！
再：最後に単一の従属出力を持つ反復測定入力データを分析する御返答いただき有難うございます！
課題に関して
可変時間幅の補正
実際の終了日がそれほど遠くない場合は、通常、基準日に修正できます。たとえば、40日を基準日とすることができます。実際の日が39日から遠すぎる（50と言う）のであれば、42日であればこれは修正されます（通常、鶏は1日当たり特定の量で変化することを知ることによって）。最悪の場合、少なくともこれをうまく機能させるために、私は共通の時点に非常に近いところで終わるデータのみを使用します。（すなわち38-41日）そしてちょうど39日に修正
方法
何らかの形の変数削減についての考え（これは私たちが最初に使わなければならないと思うことです） - 私たちがこれまで私が一般的に過去に持っていた問題です - しかし、私の新しい要素は実際には「実際の」ものに似ていません。
PCA（最もPCAに精通している人）は、私の（現在の時刻ID）入力変数を元のものに漠然と似ているだけの要因に分解します。
新しい要因がどのような関係にあるのか、どうすればわかりますか。（つまり、因子1が今では重要な変数であり、多くの元の変数で構成されている場合、これが実際に何に関係しているのか、どうすればわかりますか？）
また、入力変数の数は膨大になるでしょう - 39日間60秒ごとに最大1つの変数（もちろんこれは減らすことができますが、それでも非常に高い数です） - これはこれらの方法に適していますか？
私は多くの異なる元の変数（Temp、humidtyなど）を持つことになるので、これらは（少なくとも最初は）完全に別々にそして/またはORを組み合わせて分析するほうが得策でしょう。もちろん両方を試すことができます。
以下
ｔ ｎ ＝時点ｎにおける温度
hn =時点nにおける湿度
2つのテーブル
表1
Y - t0 - t1 - t2 ----- tn
1.6
1.7
表2
Y - t0 - t1 - t2 ----- tn
1.6
1.7
1つの表
Y - t0 - t1 - t2 ----- tn -h0 - h1 - h2 ---- hn
1.6
1.7
ご協力いただきありがとうございます
再：最後に単一の従属出力を持つ反復測定入力データを分析するこんにちは、
私は、有用なアプローチはデータを「広い」フォーマットに操作することであるかもしれないと思います。それで今各時点での温度は新しい変数です。
t TY
0 23 50
1 25 50
。
。
。
100 24 50
0 21 51
1 22 51
。
。
。
100 25 51
になる：
Y 0 1 ... 100
50 23 25 ... 24
51 21 22 ... 25年
それから、広い相関データに適した方法を使用することができます：PCA、クラスタリング、PLS、Gen Reg。JMPとJMP Proには、非常に幅広いデータを扱うことができる方法があります。
各「実行」について時点の数が同じであれば、これは比較的簡単です。ただし、合計時間は毎回異なります。30日か50日かもしれません。
それで、あなたはそれからこの問題にどう対処するか決める必要があります。そしてそれはあなたのドメインの知識に依存すると思います。
すべての実行で完了している期間を見渡すことが最善ですか。つまり、30日を超えるデータを破棄します。
それとも、あなたは時間をかけて正規化する必要がありますか？つまり、期間は絶対的なものではなく、合計時間のごく一部なので、合計期間が異なるさまざまな実行にわたって調整できます。その場合は、合計時間の変数も含めることになります。
