Ri: Analisi dei dati quando molte più colonne che righeCiao @Steph_Georges ,
Ci sono molte opzioni, a seconda che utilizzi JMP o JMP Pro.
Prima di passare direttamente all'analisi, visualizzerei le correlazioni tra i parametri di processo e tra i parametri di processo e la risposta (default), in quanto ciò potrebbe fornire un'indicazione sulle variabili correlate e sugli input influenti per l'analisi dei default (piattaforma "Multivariata" in Analizza -> metodi multivariati).
Quindi, alcune opzioni da considerare:
-JMP:
- Un primo approccio potrebbe essere quello di eseguire un'analisi delle componenti principali (PCA) e quindi provare a modellare la risposta predefinita con questi parametri PCA. Ma questo approccio ti farà perdere una certa spiegazione su quali fattori incidono sui valori predefiniti, poiché verranno combinati nelle variabili PCA.
- Un'altra opzione sarebbe provare i minimi quadrati parziali (PLS), un approccio molto efficiente quando si ha a che fare con molte variabili correlate e pochissime osservazioni. Viene utilizzato ad esempio nell'analisi spettrale, dove si hanno poche osservazioni ma molti dati di input (ad esempio trasmittanza/intensità per ciascuna lunghezza d'onda).
- Ciò che potrebbe anche essere interessante è provare Predictor Screening 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 la possibilità di salvare la formula. Dal momento che RF utilizza il bagging delle caratteristiche per ogni albero, puoi essere sicuro che anche in caso di multicollinearità e più parametri che osservazioni, ogni parametro avrà la stessa probabilità di essere selezionato in un albero, quindi avrai una buona visione su quali fattori influenzare le impostazioni predefinite.
- Puoi anche esaminare 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.
Lascio che gli esperti di questa community completino le mie risposte 
Spero che questo ti aiuti,
Ri: Analisi dei dati quando molte più colonne che righeGrazie mille Victor per la tua risposta estremamente rapida e completa.
Dato che ho ancora JMP Pro, potrò testare tutti i suggerimenti che hai menzionato.
Ri: Analisi dei dati quando molte più colonne che righePerfetto, allora hai un sacco di opzioni da provare!
Potrebbe essere interessante provare i modelli più semplici prima di immergersi nei modelli JMP Pro e confrontare i diversi modelli utilizzati, non solo in termini di prestazioni/importanza, ma anche con la tua esperienza nel dominio: ha senso che questo parametro di processo è così importante nella risposta predefinita (ad esempio)?
La combinazione delle diverse intuizioni dei diversi modelli con la tua esperienza nel dominio dovrebbe portarti nella giusta direzione.
Buona giornata Stefano,
Ri: Analisi dei dati quando ci sono molte più colonne che righeStai solo estraendo dati?
Ho i seguenti pensieri:
1. Inizierei con un'attenta considerazione delle colonne e svilupperò ipotesi razionali sul motivo per cui potrebbero o meno influenzare il numero di difetti o il tasso di difetti. Utilizza queste ipotesi come guida per iterare il tuo modello.
2. Sarei cauto nell'utilizzare i difetti. I difetti possono essere il risultato di diversi meccanismi di guasto e quindi avere strutture causali diverse. Questo potrebbe perdersi nell'aggregato della densità dei difetti. Esistono misure migliori? Quanto più continue sono le misure, tanto più efficace ed efficiente è lo studio.
3. Se si tratta di data mining, sono d'accordo con Victor nel valutare la multicollinearità dei fattori di colonna. I grafici a dispersione sono eccellenti per questo.
4. La regressione potrebbe essere un punto di partenza per esaminare le relazioni tra fattori e difetti. Anche in questo caso la natura della variabile di risposta può limitare ciò che è possibile utilizzare. In genere inizierei con effetti lineari e adotterei un approccio additivo alla costruzione del modello (aggiungendo termini come interazioni e iterazioni non lineari), procedure come Step Wise e PLS possono essere utili, ma sono sempre in grado di giustificare le relazioni con la razionalizzazione dell'argomento . (questo è molto difficile con PCA)
5. Si verificano errori di misurazione in tutto il set di dati e probabilmente anche nella classificazione dei difetti. Ci saranno poche possibilità di stimarlo dal tuo set di dati.
6. Il contesto è importante. Come menziona Victor, potresti avere effetti variabili ritardati e variabili nascoste. Ricorda solo che stai estraendo i dati per rendere la tua prossima iterazione più efficace (campionamento o sperimentazione diretta) NON per trarre conclusioni.
Analisi dei dati quando ci sono 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 la quantità di difetti che compaiono su una bobina a 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?
Modellazione statistica avanzataPersonalizzazione di massaIngegneria della qualità e dei processi
