400355_de-DE

liliconcom

Betreff: Hauptkomponentenregression (PCR) und partielle Least-Square-Regression basierend auf PCA

Diese Buch könnte hilfreich sein.

Hauptkomponenten-Regression (PCR) und partielle Least-Square-Regression basierend auf PCA

Liebe Kolleginnen und Kollegen,

 

Ich bin auf eine Situation gestoßen, in der ich mit PCR (Principal Components Regression) und Partial Least Square Regression (PLSR) umgehe. Leider keine Infos zu PCR und PCA-basiertem PLSR habe ich in den Tutorials nicht gefunden.

 

Ich bin der Meinung, dass es einen manuellen einfachen Weg geben muss, um die Vorhersagemodellierung mithilfe der Ergebnisse zu arrangieren, die nach der PCA-Option in JMP Pro erhalten wurden.

Ich würde mich über Ratschläge zur Verarbeitung der PCA-Daten mit prädiktiver Modellierung in PCR & PLSR freuen.

Vielen Dank!
Michael

AnalytikAndereBetreff: Hauptkomponentenregression (PCR) und partielle Least-Square-Regression basierend auf PCA

Ergänzen @markbailey 's Rat, können Sie sich dieses On-Demand-Webinar ansehen, das ich während meiner Tätigkeit als Senior Systems Engineer bei JMP präsentiert habe. Es ist ein bisschen veraltet ... Ich glaube, ich habe JMP Pro v14 verwendet ... also gibt es möglicherweise einige coole neue Funktionen in JMP Pro v16, wenn Sie diese Version verwenden? Aber hoffentlich bringt Ihnen das Anschauen des Webinars zumindest den Einstieg? Ich behandle die Hauptkomponentenregression nicht.

Partielle kleinste Quadrate ... Was zu verwenden ist, wenn die Regression der gewöhnlichen kleinsten Quadrate nicht funktioniert

Betreff: Hauptkomponentenregression (PCR) und partielle Least-Square-Regression basierend auf PCA

Das stimmt, danke!
Vor der Veröffentlichung dieses Themas wurde das entsprechende Tutorial erlernt und wie gesagt, keine besonderen Informationen zu PCR und PLSR mit PCA gefunden.

Bitte korrigieren Sie mich, wenn ich falsch liege: Wenn bestimmte Hauptkomponenten (PCs) untersucht und als Spalten gespeichert werden, können sie mit der Standardoption "Modell anpassen" als Variablen zum Erstellen einer linearen Regression verwendet werden, oder? Oder gibt es bestimmte Manipulationen, während PCR/PLSR arrangiert wird?
Vielen Dank!

Betreff: Hauptkomponentenregression (PCR) und partielle Least-Square-Regression basierend auf PCA

Ja, das ist die Grundidee. Sie ersetzen einen größeren Satz kollinearer Messungen durch einen kleinen Satz orthogonaler Komponenten. Die Komponenten werden basierend auf der Größe der Eigenwerte und Korrelationen in den Eigenvektoren ausgewählt. Die Regressionsanalyse bestimmt, welche Komponenten gegebenenfalls mit der Antwort korreliert sind. Auf diese Weise werden, wenn eine der Komponenten für das Regressionsmodell ausgewählt wird, alle Originalmessungen verwendet.

 

Sie müssen die PCA sorgfältig studieren. Die Komponenten sind möglicherweise nicht interpretierbar, in diesem Fall erhalten Sie möglicherweise eine "gute" Regression, die jedoch möglicherweise schwer zu interpretieren ist. Sie tauschen die Probleme der Dimensionalität und Kollinearität gegen das Problem der Interpretierbarkeit. Du kannst deinen Kuchen nicht essen und ihn auch haben.

Betreff: Hauptkomponentenregression (PCR) und partielle Least-Square-Regression basierend auf PCA

Das ist großartig! Meine Sorge bestand im Wesentlichen in der technischen Frage der PCR-Leistung innerhalb von JMP Pro. Ich stimme voll und ganz zu, dass es sich um eine heikle Frage nach der gut passenden Regression und dem erklärenden Charakter der beteiligten Hauptkomponenten handelt.

Vielen Dank!