400355_fr-FR

liliconcom

Re : Régression en composantes principales (PCR) et régression des moindres carrés partiels basée sur l'ACP

Cette livre pourrait être utile.

Régression en composantes principales (PCR) et régression des moindres carrés partiels basée sur l'ACP

Chers collègues,

 

J'ai rencontré une situation pour faire face à la PCR (Principal Components Regression) et à la Régression partielle des moindres carrés (PLSR). Malheureusement, aucune information sur la PCR et la PLSR basée sur la PCA que je n'ai trouvée dans les tutoriels.

 

Je pense qu'il doit y avoir un moyen simple et manuel d'organiser la modélisation prédictive en utilisant les résultats obtenus après l'option PCA dans JMP Pro.

J'apprécierais gentiment des conseils sur la façon d'exploiter les données de l'ACP à l'aide de la modélisation prédictive en PCR et PLSR.

Merci beaucoup!
Michael

AnalytiqueAutreRe : Régression en composantes principales (PCR) et régression des moindres carrés partiels basée sur l'ACP

Pour compléter @markbailey , vous pouvez regarder ce webinaire à la demande que j'ai présenté pendant mon mandat en tant qu'ingénieur système senior JMP. C'est un peu daté... Je pense que j'ai utilisé JMP Pro v14... donc il peut y avoir de nouvelles fonctionnalités intéressantes dans JMP Pro v16 si vous utilisez cette version ? Mais j'espère que regarder le webinaire vous permettra au moins de démarrer ? Je ne couvre pas la régression des composantes principales.

Moindres carrés partiels... Quoi utiliser lorsque la régression des moindres carrés ordinaire ne fonctionnera pas

Re : Régression en composantes principales (PCR) et régression des moindres carrés partiels basée sur l'ACP

C'est vrai, merci !
Avant de poster ce sujet, le tutoriel respectif avait été appris et, comme dit, aucune information particulière sur la PCR et le PLSR utilisant la PCA n'a été trouvée.

S'il vous plaît, corrigez-moi si je me trompe : si certains composants principaux (PC) sont explorés et enregistrés en tant que colonnes, ils peuvent être utilisés comme variables pour construire une régression linéaire au moyen de l'option standard "Fit Model", n'est-ce pas ? Ou il y a des manipulations spécifiques pendant que la PCR/PLSR est arrangée ?
Merci!

Re : Régression en composantes principales (PCR) et régression des moindres carrés partiels basée sur l'ACP

Oui, c'est l'idée de base. Vous remplacez un ensemble plus important de mesures colinéaires par un petit ensemble de composants orthogonaux. Les composants sont sélectionnés en fonction de la taille des valeurs propres et des corrélations dans les vecteurs propres. L'analyse de régression déterminera quelles composantes, le cas échéant, sont corrélées avec la réponse. De cette façon, si l'un des composants est sélectionné pour le modèle de régression, alors toutes les mesures d'origine sont utilisées.

 

Vous devez étudier attentivement le PCA. Les composants peuvent ne pas être interprétables, auquel cas vous pourriez obtenir une « bonne » régression mais cela pourrait être difficile à interpréter. Vous troquez les problèmes de dimensionnalité et de colinéarité pour le problème d'interprétabilité. Vous ne pouvez pas « manger votre gâteau et l'avoir aussi ».

Re : Régression en composantes principales (PCR) et régression des moindres carrés partiels basée sur l'ACP

C'est génial! Ma préoccupation concernait essentiellement le problème technique de la performance PCR au sein de JMP Pro. Je suis tout à fait d'accord qu'il s'agit d'une question délicate sur la régression bien ajustée et le caractère explicatif des composants principaux impliqués.

Merci beaucoup!