LDA vs. Predictor-Screening, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenDerzeit untersuche ich eine Einheit in einem chemischen Prozess. Dieses Gerät läuft mehrere Monate, bevor es gereinigt wird. Die Leistung unterscheidet sich zwischen den Läufen. Mein Leistungsindikator für einen Lauf hat 3 Stufen: Niedrig, Mittel, Hoch. Es wurden etwa 30 Prozessparameter (Drücke, Temperaturen usw.) als Kandidaten identifiziert, die den Leistungsindikator beschreiben/beeinflussen könnten. Diese Prozessparameter variieren während eines Laufs. Ich versuche herauszufinden, welche dieser Prozessparameter den größten Einfluss haben und welche Einflüsse es gibt (positiv/negativ).
Ich habe LDA und Prädiktor-Screening verwendet. Die Liste der 10 wichtigsten Prozessparameter unterscheidet sich zwischen den beiden Methoden. Da die Methoden unterschiedlich sind, habe ich einige Unterschiede erwartet, aber nicht so umfangreich. Meine Frage: Wie finde ich heraus, welche der beiden Methoden mir die zuverlässigste Antwort gibt?
Erweiterte statistische ModellierungDatenmischung und -bereinigungQualitäts- und VerfahrenstechnikBetreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenMir (verzeihen Sie mir, ich hätte genauer lesen sollen) ist gerade aufgefallen, dass Sie nur 13 Läufe haben? Sie haben also automatisch viel weniger Läufe als Prädiktorvariablen (30). Typischerweise benötigen Baum- und viele lineare Modellierungsmethoden eine größere Anzahl von Durchläufen als Parameter, die Sie zu schätzen versuchen. Ich bin also nicht überrascht, dass Sie unterschiedliche Antworten sehen. LDA hat einige Dimensionsreduktionsfunktionen. Ehrlich gesagt ohne JMP Pro (wenn Sie hätten, könnten Sie FDE oder partielle kleinste Quadrate oder vielleicht eine der bestraften Regressionsmethoden verwenden). Viel Glück.
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenSie haben Recht: Es gibt eine erhebliche Menge an Kolinearität. Deshalb habe ich mich für LDA und Predictor Screening entschieden. Ich bekomme eine 4%ige Fehlkennzeichnung in meinem LDA und kann deutlich zwischen niedrigen und hohen Werten unterscheiden. Als nächstes sah ich mir die standardisierten Bewertungskoeffizienten an und ordnete sie der Größenordnung nach.
Zusätzlich habe ich ein Prädiktor-Screening mit 1000 Bäumen durchgeführt. Wenn ich das Ranking der Prädiktoren mit dem Ranking der standardisierten Scoring-Koeffizienten aus dem LDA vergleiche, gibt es kaum eine Übereinstimmung zwischen einem höheren Prädiktor-Ranking und hohen standardisierten Scoring-Koeffizienten.
Da es sich um zwei verschiedene Methoden handelt, habe ich einige Unterschiede erwartet, aber nicht so viele.
Was könnte der Grund sein und welche Rangliste wäre am zuverlässigsten (wie kann die Leistung des Vorhersagescreenings überprüft werden?)
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenHier würde ich anfangen ... Meine Erfahrung mit Prozessen, die den bisher beschriebenen ähneln, ist, dass es unter den Prädiktorvariablen viele Multikollinearitäten geben kann. Haben Sie dieses Problem untersucht? Am besten beginnen Sie mit Zeitreihendiagrammen der Prädiktoren ... Sie haben nicht zu viele, also könnte es funktionieren, etwas so Einfaches wie Graph Builder zu verwenden. In der FDE-Plattform sind diese Diagrammtypen tatsächlich eine standardmäßige und sehr wertvolle Berichtsausgabe. Wenn viel Multikollinearität vorhanden ist, sollten Sie versuchen, die Hauptkomponentenanalyse zu verwenden, um zu identifizieren, welche Komponenten zu den meisten Variabilitäten in den Prädiktoren beitragen. Wenn Sie nur eine kategorische Antwort haben, schränken Sie auch Ihre Modellierungsoptionen ein.
Aber meine stärkste Empfehlung ist, wenn Sie mit diesem Weg oder diesen Methoden nicht vertraut sind ... suchen Sie sich jemanden, der bereit ist, mit Ihnen zusammenzuarbeiten und die Daten und das Problem durchzugehen. Es gibt viele Wege zu 'gehen' ... und es ist schwer, durch all die verschiedenen Wege zu gehen, ohne die tatsächlichen Daten zu sehen ... und mehr über den interessierenden chemischen Prozess zu verstehen.
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenLeider habe ich kein JMP Pro; Ich habe nur JMP. Was wäre dann die beste Alternative?
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenIdealerweise empfehle ich die Idee @Mark_Bailey Anteile. Abhängig davon, was Sie in den Prädiktorvariablen beobachten, ob sie stark miteinander korrelieren ... Functional Data Explorer ein Weg zur Identifizierung der einflussreichsten Variablen. Ein Problem, auf das Sie möglicherweise stoßen, ist die Multikollinearität zwischen den Prädiktorvariablen. FDE kann dieses Problem lösen ... aber wenn Sie FDE für die Variablenidentifikation verwenden, gibt es nichts Besseres als DOE, um A. die Variablenidentifikation und B. die Entwicklung eines Vorhersagemodells für den Prozess zu bestätigen.
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenIch möchte herausfinden, welche Prozessvariablen erklären, warum ein Lauf eine niedrige oder hohe Leistung aufweist. Der nächste Schritt besteht darin, zu sehen, ob ich diese Variablen auf eine Bandbreite einstellen (oder mit anderen Variablen kompensieren) kann, um hohe Läufe auf einer konsistenten Basis aufrechtzuerhalten. Aus technischer Sicht wurde eine Reihe von Kandidatenvariablen identifiziert. Die Analyse soll die einflussreichsten Variablen finden. (wie eine Ursachenanalyse)
Ich hoffe, das beantwortet Ihre Frage. Ich wollte verhindern, dass meine Frage als explorativ oder prädiktiv bezeichnet wird
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenDie Prädiktorvariablen variieren also im Laufe der Zeit (während eines Laufs)? Sie können den Funktionsdaten-Explorer in JMP Pro ausprobieren, um die Komponenten des Funktionsprinzips abzurufen, und sie dann anstelle der ursprünglichen Messungen als Prädiktoren verwenden.
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenLassen Sie mich mit einer grundlegenden Frage beginnen. Was sind Ihre Kriterien für die "... zuverlässigste Antwort."? Führen Sie eine Untersuchung durch, bei der Sie nach einer explorativen „Antwort“ oder einer prädiktiven „Antwort“ suchen? Die von mir empfohlenen Datenanalysemethoden werden weitgehend von Ihrer Antwort bestimmt.
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenIch habe 13 Läufe. Jedes Level kommt ca. 4 Mal vor. Durchflüsse ändern sich je nach erforderlichem Durchsatz, Drücke können sich aufgrund von Umgebungsbedingungen oder Langzeitverschmutzung ändern
Betreff: Screening von LDA vs. Predictor, um zu bestimmen, welche Prozessparameter Unterschiede zwischen Läufen beschreibenOhne die Daten oder eine vernünftige Stichprobe davon sehr schwer zu sagen. Angesichts der Tatsache, dass „Prozessparameter während eines Laufs variieren“, wie sieht diese Variation tatsächlich innerhalb eines Laufs aus, und für wie viele Läufe haben Sie Daten? Wie oft kommt jede Stufe des Leistungsindikators vor?
