Analisi dei dati quando molte più colonne che righeCiao a tutti
Vorrei chiedere il vostro aiuto perché ho un set di dati con:
- in colonne, parametri di processo di una linea di produzione di acciaio zincato
- in file, bobine che sono state lavorate su questa linea di produzione
L'obiettivo è correlare una quantità di difetti che compaiono su una bobina ad uno o più parametri di processo.
Sfortunatamente, ho un set di dati con molte più colonne (407) che righe (63).
Hai qualche consiglio su come procedere?
AnaliticaRe: Analisi dei dati quando molte più colonne che righeCiao @stephanegorges ,
Ci sono molte opzioni, a seconda che utilizzi JMP o JMP Pro.
Prima di passare direttamente all'analisi, visualizzerei le correlazioni tra parametri di processo e tra parametri di processo e risposta (default), in quanto ciò potrebbe fornire un'indicazione sulle variabili correlate e input influenti per l'analisi dei default (piattaforma "Multivariata" in Analizza -> metodi multivariati).
Poi, alcune opzioni da considerare:
- JMP:
- Un primo approccio potrebbe essere quello di eseguire un'analisi dei componenti principali (PCA), quindi provare a modellare la risposta predefinita con questi parametri PCA. Ma questo approccio ti farà perdere una certa spiegazione su quali fattori influiscono sui valori predefiniti, poiché verranno combinati nelle variabili PCA.
- Un'altra opzione sarebbe quella di provare i minimi quadrati parziali (PLS), un approccio molto efficiente quando si affrontano molte variabili correlate e pochissime osservazioni. Viene ad esempio utilizzato nell'analisi spettrale, dove si hanno poche osservazioni ma molti dati di input (ad esempio trasmittanza/intensità per ciascuna lunghezza d'onda).
- Potrebbe anche essere interessante provare lo Screening predittore per avere una panoramica su quali fattori sono i più importanti.
- JMP Pro:
- Invece dello screening Predictor, puoi provare "Random Forest", dove avrai molte più informazioni sul modello e possibilità di salvare la formula. Dal momento che RF utilizza le funzionalità di bagging per ogni albero, puoi essere certo che anche in caso di multicollinearità e più parametri rispetto alle osservazioni, ogni parametro avrà la stessa probabilità di essere selezionato in un albero, quindi avrai una buona visione di quali fattori influire sulle impostazioni predefinite.
- Puoi anche guardare i modelli di regressione generalizzata con metodi di stima penalizzati come Lasso, Ridge o Elastic Net.
Questi sono i modelli/tecniche che proverei prima di provare metodi più complessi.
Ho lasciato che gli esperti di questa community completassero le mie risposte 
Spero che questo ti aiuterà,
