PCA para separar dos resultadosHola,
Tengo un resultado binario para un grupo de pacientes y una larga lista de variables medidas (es decir, posibles predictores/características). Puedo realizar un análisis de componentes principales (PCA) para todo el grupo o para cada grupo por separado (es decir, pacientes positivos y negativos por separado). Pero lo que realmente necesito es lo siguiente: ¿cuáles son los dos componentes principales que mejor distinguen los positivos de los negativos? He experimentado un poco con el análisis discriminante, pero no he avanzado mucho; cualquier ayuda o sugerencia será bienvenida.
¡Gracias!
Uriel
Modelado estadístico avanzadoRe: PCA para separar dos resultadosHola,
¿Ha considerado la plataforma de análisis discriminante o la plataforma de detección de respuestas si necesita filtrar / enfocar qué variables son las más relevantes para su clasificación?
Mejor,
TSRe: PCA para separar dos resultadosHola @utkcito ,
Es posible que PCA no sea la herramienta adecuada para usted. Dado que tiene un resultado binario (encendido / apagado, 1/0, muerto / vivo), suena más como un problema de regresión logística, muy parecido al ejemplo de supervivientes del Titanic en los datos de muestra en JMP. El propósito de PCA no es necesariamente la predicción de un resultado, es decir, separar los resultados 0/1. Es posible que esté mejor con un árbol de decisiones, una red neuronal u otros métodos basados en árboles como XGBoost. Incluso podrías probar con máquinas de vectores de soporte. Muchas de esas opciones dependen de la versión de JMP que tenga (por ejemplo, Pro o estándar).
PCA está realmente diseñado para encontrar un conjunto de vectores linealmente independientes (del conjunto de datos del predictor; no lo alimentarías con los datos de respuesta) que maximiza el variabilidad explicado en los datos a lo largo de un conjunto de componentes principales ortogonales. Puede leerlo en la ayuda de JMP aquí . Los componentes principales no serán necesariamente buenos predictores para separar lo positivo / lo negativo. Esto podría adaptarse mucho mejor a la plataforma SVM. Si no tiene Pro, probablemente querrá probar el método del árbol de decisión de partición o la red neuronal.
Otra cosa: dependiendo de cuántas filas tenga, es posible que desee generar una columna de validación estratificada en la columna de resultados y usarla para una validación de su modelo. También puede considerar agregar una columna de factor nulo (consulte el complemento de validación automática para JMP) para ver si el conjunto de posibles predictores realmente aparece con más frecuencia en el modelo que un factor nulo completamente aleatorio y ortogonal.
Espero que esto ayude.
¡Buena suerte!,
DS
Re: PCA para separar dos resultadosHola TS y DS:
No busco predictores con el PCA. Quiero caracterizar, describir. Creo que el análisis discriminante debería hacerlo bajo el método lineal amplio, ya que muestra los componentes principales, pero no puede encontrar los detalles de los componentes principales que genera para evaluar si ese es realmente el caso.
Uriel.
Re: PCA para separar dos resultadosPodría considerar PLS-DA en lugar de PCA. PLS asegura que los primeros componentes se relacionen con la mayor variación en su objetivo, en otras palabras, para un solo Y, siempre debería ver la mejor separación en los gráficos de puntuación de los componentes 1 y 2. Luego, podría mirar las cargas, VIP v Coeficientes, o utilice métodos a los que está acostumbrado en PCA para evaluar la importancia de las variables.
Puede iniciar PLS-DA utilizando la personalidad PLS del Modelo de ajuste plataforma, o creando creando una variable que sea 1 o 0 según la categoría, y luego incluyéndola en la sección 'Y' de la PLS plataforma.
Re: PCA para separar dos resultadosHola @utkcito ,
Aunque coincido plenamente con los demás en las posibles opciones para analizar sus datos, me gustaría ofrecerles otra plataforma JMP Pro que vale la pena probar. La Regresión Generalizada (RG) es ideal para resultados binomiales/binarios. Los algoritmos LASSO y Elastic Net le permitirán encontrar la mejor combinación general de variables en el espacio factorial con el que trabaja, y no en un espacio de componentes principales o de factores latentes (PLS). Tanto los modelos PCA como PLS pueden presentar dificultades para determinar qué es lo más importante sin un gran esfuerzo adicional. También dispone de numerosas opciones de validación cruzada para evitar el sobreajuste.
Las redes neuronales (NN) podrían serle útiles. La función TanH, tangen hiperbólica, es muy adecuada para resultados binomiales y se le indicará automáticamente que utilice la validación cruzada para evitar el sobreajuste. (JMP y JMP Pro)
Bootstrap Forest como método de partición también le permitirá encontrar los factores más significativos en su espacio factorial. (JMP Pro)
Un último pensamiento, si tiene acceso a JMP 16 EA, puede probar la Selección de modelos en Modelado predictivo para ayudarlo a encontrar el mejor modelo general para sus datos.
La detección de modelos será una de las grandes novedades de JMP Pro 16
Re: PCA para separar dos resultadosGracias a todos los que respondieron, sus comentarios son útiles. De hecho, he usado todas estas opciones recientemente para analizar los datos. Me interesaba especialmente cómo se vería una discriminación ortogonal, pero si no es directamente posible, seguiré adelante.
Uriel.
