行よりも列がはるかに多い場合のデータ分析みなさん、こんにちは
私は次のデータセットを持っているので、あなたの助けを求めたいと思います：
- カラムでは、亜鉛メッキ鋼生産ラインのプロセスパラメータ
- 行では、この生産ラインで処理されたコイル
目的は、コイルに現れる欠陥の量を1つまたは複数のプロセスパラメータに関連付けることです。
残念ながら、行（63）よりもはるかに多くの列（407）を持つデータセットがあります。
進め方について何かアドバイスはありますか？
分析Re：行よりも列がはるかに多い場合のデータ分析こんにちは@stephanegeorges 、
JMPまたはJMPProのどちらを使用しているかに応じて、多くのオプションがあります。
直接分析に進む前に、プロセスパラメータ間、およびプロセスパラメータと応答（デフォルト）間の相関関係を視覚化します。これにより、デフォルトの分析（分析のプラットフォーム「多変量」->多変量メソッド）。
次に、考慮すべきいくつかのオプション：
-JMP：
- 最初のアプローチは、主成分分析（PCA）を実行してから、これらのPCAパラメーターを使用してデフォルトの応答をモデル化することです。 ただし、このアプローチでは、PCA変数で結合されるため、デフォルトに影響を与える要因についての説明性が失われます。
- もう1つのオプションは、部分最小二乗（PLS）を試すことです。これは、相関変数が多く、観測値が非常に少ない場合に非常に効率的なアプローチです。 これは、たとえば、観測値はほとんどないが入力データ（たとえば、各波長の透過率/強度）が多いスペクトル分析で使用されます。
- また興味深いのは、予測子スクリーニングを試して、どの要因が最も重要であるかについての概要を把握することです。
-JMPプロ：
- 予測子のスクリーニングの代わりに、「ランダムフォレスト」を試すことができます。ここでは、モデルに関するより多くの情報と、数式を保存する可能性があります。 RFはツリーごとに機能バギングを使用するため、多重共線性があり、観測値よりもパラメーターが多い場合でも、各パラメーターがツリーで選択される確率は同じであると確信できます。これにより、どの要因がよくわかるようになります。デフォルトに影響を与えます。
- また、Lasso、Ridge、ElasticNetなどのペナルティ付き推定方法を使用した一般化回帰モデルを確認することもできます。
これらは、より複雑な方法を試す前に最初に試すモデル/テクニックです。
私はこのコミュニティの専門家に私の答えを完成させました:)
これがお役に立てば幸いです。
