Regressione delle componenti principali (PCR) e regressione parziale dei minimi quadrati basata su PCACari colleghi,
Ho riscontrato una situazione che riguardava la PCR (regressione dei componenti principali) e la regressione parziale dei minimi quadrati (PLSR). Sfortunatamente, nei tutorial non ho trovato informazioni sulla PCR e sul PLSR basato su PCA.
Ritengo che debba esserci 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 di PCA utilizzando la modellazione predittiva in PCR e PLSR.
Grazie molto!
Michael
Modellazione statistica avanzataRi: Regressione delle componenti principali (PCR) e regressione parziale dei minimi quadrati basata su PCAÈ fantastico! La mia preoccupazione consisteva fondamentalmente nel problema tecnico delle prestazioni della PCR all'interno di JMP Pro. Sono totalmente d'accordo sul fatto che si tratta di una questione delicata sulla regressione ben adattata e sul carattere esplicativo delle componenti principali coinvolte.
Grazie molto!
Ri: Regressione delle componenti principali (PCR) e regressione parziale dei minimi quadrati basata su PCASì, questa è l'idea di base. Stai sostituendo un insieme più ampio di misurazioni collineari con un insieme piccolo di componenti ortogonali. I componenti vengono selezionati in base alla dimensione degli autovalori e alle correlazioni negli autovettori. L'analisi di regressione determinerà quali componenti, se presenti, sono correlati con la risposta. In questo modo, se uno qualsiasi dei componenti viene selezionato per il modello di regressione, vengono utilizzate tutte le misurazioni originali.
Devi studiare attentamente il PCA. I componenti potrebbero non essere interpretabili, nel qual caso potresti ottenere una regressione "buona" ma potrebbe essere difficile da interpretare. Stai scambiando i problemi di dimensionalità e collinearità con il problema di interpretabilità. Non puoi "mangiare la tua torta e mangiarla anche".
Ri: Regressione delle componenti principali (PCR) e regressione parziale dei minimi quadrati basata su PCAEsatto, grazie!
Prima di pubblicare questo argomento, è stato letto il rispettivo tutorial e, come detto, non è stata trovata alcuna informazione particolare 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 una regressione lineare mediante l'opzione standard "Fit Model", giusto? Oppure ci sono alcune manipolazioni specifiche mentre viene organizzata la PCR/PLSR?
Grazie!
Ri: Regressione delle componenti principali (PCR) e regressione parziale dei minimi quadrati basata su PCAPer completare @Mark_Bailey ti consiglio di guardare questo webinar on demand che ho presentato durante il mio mandato come Senior Systems Engineer di JMP. È un po' datato...penso di aver usato JMP Pro v14...quindi potrebbero esserci alcune nuove interessanti funzionalità in JMP Pro v16 se usi quella versione? Ma spero che guardare il webinar ti aiuti almeno a iniziare? Non tratto la regressione delle componenti principali.
Minimi quadrati parziali: cosa utilizzare quando la regressione dei minimi quadrati ordinari non funziona
Ri: Regressione delle componenti principali (PCR) e regressione parziale dei minimi quadrati basata su PCAPotresti iniziare con la Guida di JMP su PCA , che parla dello strumento JMP.
Questo libro potrebbe essere utile per quanto riguarda la metodologia.
