Sélection LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsActuellement, j'étudie une unité dans un processus chimique. Cet appareil fonctionne pendant plusieurs mois avant d'être nettoyé. Les performances diffèrent d’une course à l’autre. Mon indicateur de performance pour une course comporte 3 niveaux : Faible, Moyen, Élevé. Il existe environ 30 paramètres de processus (pressions, températures, etc.) identifiés comme candidats susceptibles de décrire/influencer l'indicateur de performance. Ces paramètres de processus varient au cours d'une exécution. J'essaie d'identifier lesquels de ces paramètres de processus sont les plus influents et quelles sont leurs influences (positives/négatives).
J'ai utilisé le dépistage LDA et prédicteur. La liste des 10 paramètres de processus les plus influents diffère entre les 2 méthodes. Comme les méthodes sont différentes, je m'attendais à quelques différences, mais pas aussi importantes. Ma question : comment identifier laquelle des 2 méthodes m'apporte la réponse la plus fiable ?
Modélisation statistique avancéeMélange et nettoyage des donnéesIngénierie Qualité et ProcédésRe : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsJe (pardonnez-moi, j'aurais dû lire de plus près) je viens de remarquer que vous n'avez que 13 runs ? Donc, automatiquement, vous avez beaucoup moins d'exécutions que vous n'avez de variables prédictives (30). En règle générale, les méthodes de modélisation arborescente et de nombreuses méthodes de modélisation linéaire nécessitent un plus grand nombre d'exécutions que les paramètres que vous essayez d'estimer. Je ne suis donc pas surpris que vous voyiez des réponses différentes. LDA a certaines fonctionnalités de réduction de dimensionnalité. Très franchement sans JMP Pro (si vous en aviez, vous pourriez utiliser FDE ou les moindres carrés partiels ou peut-être l'une des méthodes de régression pénalisées). Bonne chance.
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsVous avez raison : il y a beaucoup de colinéarité. C'est pourquoi j'ai choisi le dépistage LDA et prédicteur. J'obtiens un mauvais étiquetage de 4 % dans mon LDA et je peux clairement faire la distinction entre les bas et les hauts. Ensuite, j'ai examiné les coefficients de notation standardisés et les ai classés par ordre de grandeur.
De plus, j'ai exécuté un dépistage prédictif avec 1000 arbres. Lorsque je compare le classement des prédicteurs avec le classement des coefficients de notation standardisés de la LDA, il n'y a pratiquement aucune correspondance entre le classement supérieur des prédicteurs et les coefficients de notation standardisés élevés.
Parce qu'il s'agit de 2 méthodes différentes, je m'attendais à quelques différences, mais pas tant que ça.
Quelle pourrait en être la raison et quelle liste de classement serait la plus fiable (comment vérifier la performance du filtrage de prédiction ?)
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsVoici où je commencerais ... mon expérience avec des processus similaires à ceux décrits jusqu'à présent est qu'il peut y avoir beaucoup de multicolinéarité parmi les variables prédictives. Avez-vous enquêté sur ce problème ? Votre meilleur pari est de commencer par des tracés de séries chronologiques des prédicteurs ... vous n'en avez pas trop, donc utiliser quelque chose d'aussi simple que Graph Builder pourrait fonctionner. En fait, dans la plate-forme FDE, ces types de tracés sont une sortie de rapport standard et très précieuse. À partir de là, si beaucoup de multicolinéarité est présente, vous voudrez peut-être essayer d'utiliser l'analyse des composants principaux pour identifier les composants qui contribuent à la majorité de la variabilité des prédicteurs. Le fait de n'avoir qu'une réponse catégorique limite également vos options de modélisation.
Mais ma recommandation la plus forte est que si vous n'êtes pas familier avec cette voie ou ces méthodes... trouvez-vous quelqu'un qui est prêt à travailler avec vous et à parcourir les données et le problème. Il existe de nombreuses façons de « procéder »... et il est difficile de parcourir toutes les différentes voies sans voir les données réelles... et en comprendre davantage sur le processus chimique qui nous intéresse.
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsMalheureusement, je n'ai pas JMP Pro ; Je n'ai que JMP. Quelle serait alors la meilleure alternative ?
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsIdéalement, je recommande l'idée @Mark_Bailey actions. En fonction de ce que vous observez dans les variables prédictives si elles sont fortement corrélées les unes aux autres...Functional Data Explorer un chemin pour identifier les variables les plus influentes. Un problème que vous pouvez rencontrer est la multicolinéarité entre les variables prédictives. FDE peut gérer ce problème... mais si possible une fois que vous utilisez FDE pour l'identification des variables... rien ne vaut le DOE pour confirmer A. l'identification des variables et B. le développement d'un modèle prédictif pour le processus.
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsJe veux identifier quelles variables de processus expliquent pourquoi une exécution a une performance faible ou élevée. La prochaine étape consiste à voir si je peux définir ces variables sur une bande passante (ou compenser avec d'autres variables) pour maintenir des séries élevées de manière cohérente. Du point de vue de l'ingénierie, un certain nombre de variables candidates ont été identifiées. L'analyse vise à trouver les variables les plus influentes. (comme une analyse des causes profondes)
J'espère que cela répond à votre question. Je voulais éviter que ma question soit mal étiquetée comme exploratoire ou prédictive
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsAinsi, les variables prédictives varient dans le temps (lors d'une exécution) ? Vous pouvez essayer Functional Data Explorer dans JMP Pro pour obtenir les composants du principe fonctionnel, puis les utiliser comme prédicteurs au lieu des mesures d'origine.
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsPermettez-moi de commencer par une question fondamentale. Quels sont vos critères pour '... la réponse la plus fiable.' ? Menez-vous une enquête pour laquelle vous cherchez une « réponse » exploratoire ou une « réponse » prédictive ? Les méthodes d'analyse de données que je recommanderais seront dans une large mesure dictées par votre réponse.
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsJ'ai 13 courses. Chaque niveau se produit environ 4 fois. Les débits changent en fonction du débit requis, les pressions peuvent changer en raison des conditions ambiantes ou d'un encrassement prolongé
Re : dépistage LDA vs Predictor pour déterminer quels paramètres de processus décrivent les différences entre les exécutionsTrès difficile à dire sans les données, ou un échantillon raisonnable de celles-ci. Étant donné que "les paramètres de processus varient au cours d'une exécution", à quoi ressemble réellement cette variation au cours d'une exécution et pour combien d'exécutions disposez-vous de données ? Combien de fois chaque niveau de l'indicateur de performance se produit-il ?
