Datenanalyse, wenn viel mehr Spalten als ZeilenHallo zusammen
Ich möchte Sie um Hilfe bitten, da ich einen Datensatz habe mit:
- in Spalten, Prozessparameter einer Produktionslinie für verzinkten Stahl
- in Reihen, Coils, die auf dieser Produktionslinie verarbeitet wurden
Ziel ist es, eine Menge von Fehlern, die auf einem Coil auftreten, mit einem oder mehreren Prozessparametern zu korrelieren.
Leider habe ich einen Datensatz mit viel mehr Spalten (407) als Zeilen (63).
Haben Sie einen Rat, wie Sie vorgehen sollen?
AnalytikBetreff: Datenanalyse, wenn viel mehr Spalten als Zeilen vorhanden sindHallo @stephanegeorges ,
Es gibt viele Optionen, je nachdem, ob Sie JMP oder JMP Pro verwenden.
Bevor ich direkt zur Analyse gehe, würde ich die Korrelationen zwischen Prozessparametern und zwischen Prozessparametern und Antwort (Defaults) visualisieren, da dies einen Hinweis auf korrelierte Variablen und einflussreiche Eingaben für die Analyse von Defaults geben könnte (Plattform „Multivariate“ in Analysieren -> Multivariate Methoden).
Dann einige Optionen, die Sie in Betracht ziehen sollten:
-JMP:
- Ein erster Ansatz könnte darin bestehen, eine Hauptkomponentenanalyse (PCA) durchzuführen und dann zu versuchen, die Standardantwort mit diesen PCA-Parametern zu modellieren. Bei diesem Ansatz verlieren Sie jedoch die Erklärbarkeit darüber, welche Faktoren die Standardwerte beeinflussen, da sie in PCA-Variablen kombiniert werden.
- Eine weitere Option wäre Partial Least Squares (PLS), ein sehr effizienter Ansatz, wenn Sie mit vielen korrelierten Variablen und sehr wenigen Beobachtungen zu tun haben. Es wird beispielsweise in der Spektralanalyse verwendet, wo Sie wenige Beobachtungen, aber viele Eingabedaten haben (z. B. Transmission/Intensität für jede Wellenlänge).
- Was auch interessant sein kann, ist das Predictor Screening auszuprobieren, um einen Überblick darüber zu erhalten, welche Faktoren am wichtigsten sind.
- JMP Pro:
- Anstelle des Predictor-Screenings können Sie "Random Forest" ausprobieren, wo Sie viel mehr Informationen zum Modell und die Möglichkeit zum Speichern von Formeln erhalten. Da RF Feature Bagging für jeden Baum verwendet, können Sie sicher sein, dass selbst im Fall von Multikollinearität und mehr Parametern als Beobachtungen jeder Parameter die gleiche Wahrscheinlichkeit hat, in einem Baum ausgewählt zu werden, sodass Sie einen guten Überblick darüber haben, welche Faktoren die Voreinstellungen beeinflussen.
- Sie können sich auch generalisierte Regressionsmodelle mit penalisierten Schätzmethoden wie Lasso, Ridge oder Elastic Net ansehen.
Dies sind die Modelle/Techniken, die ich zuerst ausprobieren würde, bevor ich komplexere Methoden ausprobiere.
Ich lasse Experten in dieser Community meine Antworten vervollständigen 
Ich hoffe, dies wird dir helfen,
