Hauptkomponentenregression (PCR) und partielle Regression der kleinsten Quadrate basierend auf PCALiebe Kolleginnen und Kollegen,
Ich bin auf eine Situation gestoßen, in der es um die PCR (Hauptkomponentenregression) und die partielle kleinste Quadratregression (PLSR) geht. Leider habe ich in den Tutorials keine Informationen zu PCR und PCA-basiertem PLSR gefunden.
Meiner Meinung nach muss es eine manuelle, einfache Möglichkeit geben, die Vorhersagemodellierung mithilfe der nach der PCA-Option in JMP Pro erhaltenen Ergebnisse zu organisieren.
Ich würde mich über Ratschläge zum Umgang mit PCA-Daten mithilfe prädiktiver Modellierung in PCR und PLSR freuen.
Vielen Dank!
Michael
Erweiterte statistische ModellierungBetreff: Hauptkomponentenregression (PCR) und partielle Regression der kleinsten Quadrate basierend auf PCADas ist großartig! Meine Bedenken bestanden im Wesentlichen in der technischen Frage der PCR-Leistung in JMP Pro. Ich stimme voll und ganz zu, dass es sich um eine heikle Frage nach der passenden Regression und dem erklärenden Charakter der beteiligten Hauptkomponenten handelt.
Vielen Dank!
Betreff: Hauptkomponentenregression (PCR) und partielle Regression der kleinsten Quadrate basierend auf PCAJa, das ist die Grundidee. Sie ersetzen einen größeren Satz kollinearer Messungen durch einen kleinen Satz orthogonaler Komponenten. Die Komponenten werden anhand der Größe der Eigenwerte und Korrelationen in den Eigenvektoren ausgewählt. Die Regressionsanalyse ermittelt, welche Komponenten ggf. mit der Antwort korrelieren. Wenn auf diese Weise eine der Komponenten für das Regressionsmodell ausgewählt wird, werden 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 schwierig zu interpretieren ist. Sie tauschen die Probleme der Dimensionalität und Kollinearität gegen das Problem der Interpretierbarkeit ein. Sie können nicht „Ihren Kuchen essen und ihn auch haben“.
Betreff: Hauptkomponentenregression (PCR) und partielle Regression der kleinsten Quadrate basierend auf PCADas stimmt, danke!
Vor der Veröffentlichung dieses Themas wurde das entsprechende Tutorial gelesen und, wie gesagt, keine besonderen Informationen über 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 mithilfe der Standardoption „Modell anpassen“ als Variablen für die Erstellung einer linearen Regression verwendet werden, oder? Oder gibt es bestimmte Manipulationen bei der Durchführung der PCR/PLSR?
Danke!
Betreff: Hauptkomponentenregression (PCR) und partielle Regression der kleinsten Quadrate basierend auf PCAErgänzen @Mark_Bailey Mein Rat: Vielleicht möchten Sie sich dieses On-Demand-Webinar ansehen, das ich während meiner Zeit als Senior Systems Engineer bei JMP gehalten habe. Es ist etwas 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 erleichtert Ihnen das Anschauen des Webinars zumindest den Einstieg? Ich gehe nicht auf die Hauptkomponentenregression ein.
Partielle Kleinste-Quadrate-Regression ... Was ist zu verwenden, wenn die gewöhnliche Kleinste-Quadrate-Regression nicht funktioniert?
Betreff: Hauptkomponentenregression (PCR) und partielle Regression der kleinsten Quadrate basierend auf PCASie können mit der JMP-Hilfe beginnen PCA , in dem es um das JMP-Tool geht.
Das Buch könnte hilfreich sein, wenn es um die Methodik geht.
