400355_it-IT

liliconcom

Re: regressione delle componenti principali (PCR) e regressione dei minimi quadrati parziali basata su PCA

Questo libro potrebbe essere utile.

Regressione delle componenti principali (PCR) e regressione dei minimi quadrati parziali basata su PCA

Cari colleghi,

 

Ho riscontrato una situazione per affrontare la PCR (Regressione dei componenti principali) e la regressione parziale dei minimi quadrati (PLSR). Sfortunatamente, nessuna informazione su PCR e PLSR basato su PCA non ho trovato nei tutorial.

 

Ritengo che ci debba essere un modo semplice e manuale per organizzare la modellazione predittiva utilizzando i risultati ottenuti dopo l'opzione PCA in JMP Pro.

Apprezzerei gentilmente il consiglio su come gestire i dati della PCA utilizzando la modellazione predittiva in PCR e PLSR.

Grazie molto!
Michael

AnalisiAltroRe: regressione delle componenti principali (PCR) e regressione dei minimi quadrati parziali basata su PCA

Per completare @markbailey Ti consiglio di guardare questo webinar on demand che ho presentato durante il mio incarico di JMP Senior Systems Engineer. È un po' datato...Penso di aver usato JMP Pro v14...quindi potrebbero esserci delle nuove fantastiche funzionalità in JMP Pro v16 se stai usando quella versione? Ma si spera che guardare il webinar ti aiuti almeno a iniziare? Non mi occupo della regressione delle componenti principali.

Minimi quadrati parziali... Cosa usare quando la regressione dei minimi quadrati ordinaria non funziona

Re: regressione delle componenti principali (PCR) e regressione dei minimi quadrati parziali basata su PCA

Esatto, grazie!
Prima di postare questo argomento, era stato appreso il rispettivo tutorial e, come detto, non sono state trovate informazioni particolari su PCR e PLSR utilizzando PCA.

Per favore, correggetemi se sbaglio: se alcuni componenti principali (PC) vengono esplorati e salvati come colonne, possono essere utilizzati come variabili per costruire regressioni lineari tramite l'opzione standard "Fit Model", giusto? O ci sono alcune manipolazioni specifiche mentre è organizzata la PCR/PLSR?
Grazie!

Re: regressione delle componenti principali (PCR) e regressione dei minimi quadrati parziali basata su PCA

Sì, questa è l'idea di base. Stai sostituendo un insieme più ampio di misurazioni collineari con un piccolo insieme di componenti ortogonali. I componenti sono selezionati in base alla dimensione degli autovalori e alle correlazioni negli autovettori. L'analisi di regressione determinerà quali componenti, se presenti, sono correlati alla risposta. In questo modo, se viene selezionato uno dei componenti per il modello di regressione, vengono utilizzate tutte le misurazioni originali.

 

Devi studiare attentamente la PCA. I componenti potrebbero non essere interpretabili, nel qual caso potresti ottenere una "buona" regressione ma potrebbe essere difficile da interpretare.. Stai scambiando i problemi di dimensionalità e collinearità con il problema dell'interpretabilità. Non puoi "mangiare la tua torta e anche averla".

Re: regressione delle componenti principali (PCR) e regressione dei minimi quadrati parziali basata su PCA

È fantastico! La mia preoccupazione consisteva essenzialmente nel problema tecnico delle prestazioni della PCR all'interno di JMP Pro. Concordo pienamente sul fatto che si tratta di una questione delicata sulla regressione adeguata e sul carattere esplicativo delle componenti principali coinvolte.

Grazie molto!