分析でセンサーデータを使用する方法は？化学プロセス業界では、多くのセンサーデータ（流量、レベル、圧力、温度など）が取得されます。 このデータは、非定常の時系列として説明できます。 典型的なパターンを見ると、単調な進化（ファウリングなど）を見ると、特にトレンドパターン（季節性がないか、ほとんど=夏/冬または昼/夜）が見つかる場合があります。 ただし、多くの場合、候補の特徴は傾向パターンを示しません（その特徴がオペレーターによって補正に使用されない限り）。特定の測定によって説明できる植物の問題がある場合、質問がしばしば発生します：他のどの（セットの）変数がこれを引き起こしましたか？ PCA / LDA /ランダムフォレストなどのほとんどの分析ツールは、定常データに依存しています。 非定常状態を補償するために状態空間モデルを作成しようとするのは避けたいと思います。 あるいは、二重指数平滑化を実行することもできますが、それは明確な傾向がある場合にのみ使用できます。
私の質問は、たとえばPCAなどの分析に使用できるように（ウェーブレットPCAを使用せずに）このデータを変換する方法を教えてください。
ありがとう！
分析Re：分析でセンサーデータを使用する方法は？JMP Proにアクセスできますか？ 説明するシナリオは、Functional DataExplorerプラットフォームおよび関連するモデリング機能を使用するように調整されています。
Re：分析でセンサーデータを使用する方法は？残念ながら私はJMPProを持っていません
Re：分析でセンサーデータを使用する方法は？このwikiページに記載されているPCAを使用して分析できるように、多変量時系列データを変換する方法を質問していると想定しています。主成分分析。
分析では、データがP次元確率変数からサンプリングされ、N個のサンプルがあることが想定されています。 分析では、サンプルの順序は重要ではありません。つまり、サンプルは関係ありません。 あなたの例では、静止しているかどうかは関係ありません。 その間、サンプルの順序が意味を持つそのようなデータを提供することを妨げることはありません。 また、順序を無視してデータを別の角度から見ることにした場合でも、関係ありません。 生データを投入して、何を発見できるか、または結果からどのようなインスピレーションを得ることができるかを確認してください。 PCAの主な用途は、次元削減です。たとえば、P次元データからQ次元データへの削減です。ここで、QはPよりもはるかに小さくなります。 それによって、それが理にかなっている場合、あなたはすでにあなたのニーズに合うようにあなたのデータを変換しています。 さらに、あなたはあなたが差別化を試みたとは言いませんでした。 たぶん、あなたはそれを試して、その変換があなたにとって何か意味があるかどうかを確認する必要があります。
