Re: Análisis de datos cuando hay muchas más columnas que filasHola @Steph_Georges ,
Hay muchas opciones, dependiendo de si está en JMP o JMP Pro.
Antes de pasar directamente al análisis, visualizaría las correlaciones entre los parámetros del proceso y entre los parámetros del proceso y la respuesta (valores predeterminados), ya que esto podría dar una indicación sobre las variables correlacionadas y las entradas influyentes para el análisis de los valores predeterminados (plataforma "Multivariante" en Analizar -> métodos multivariados).
A continuación, algunas opciones a tener en cuenta:
-JMP:
- Un primer enfoque podría ser hacer un análisis de componentes principales (PCA) y luego tratar de modelar la respuesta predeterminada con estos parámetros de PCA. Pero este enfoque le hará perder algo de explicabilidad sobre qué factores afectan los valores predeterminados, ya que se combinarán en las variables PCA.
- Otra opción sería probar los mínimos cuadrados parciales (PLS), un enfoque muy eficiente cuando se trata de muchas variables correlacionadas y muy pocas observaciones. Se utiliza, por ejemplo, en el análisis espectral, donde tiene pocas observaciones pero muchos datos de entrada (transmitancia/intensidad para cada longitud de onda, por ejemplo).
- Lo que también puede ser interesante es probar Predictor Screening para tener una visión general sobre qué factores son los más importantes.
-JMP Pro:
- En lugar de la detección Predictor, puede probar "Bosque aleatorio", donde tendrá mucha más información sobre el modelo y la posibilidad de guardar la fórmula. Dado que RF utiliza el empaquetado de características para cada árbol, puede estar seguro de que incluso en el caso de multicolinealidad y más parámetros que observaciones, cada parámetro tendrá la misma probabilidad de ser seleccionado en un árbol, por lo que tendrá una buena visión de qué factores afectar los valores predeterminados.
- También puede ver modelos de regresión generalizada con métodos de estimación penalizados como Lasso, Ridge o Elastic Net.
Estos son los modelos/técnicas que probaría primero antes de probar métodos más complejos.
Dejo que los expertos de esta comunidad completen mis respuestas 
Espero que esto ayude,
Re: Análisis de datos cuando hay muchas más columnas que filasMuchas gracias Victor por tu respuesta extremadamente rápida y completa.
Como todavía tengo JMP Pro, podré probar todos los consejos que mencionaste.
Re: Análisis de datos cuando hay muchas más columnas que filasPerfecto, ¡entonces tienes muchas opciones para probar!
Puede ser interesante probar los modelos más simples antes de sumergirse en los modelos JMP Pro y comparar los diferentes modelos utilizados, no solo en términos de rendimiento/importancia, sino también con su experiencia en el campo: ¿tiene sentido que este parámetro de proceso es tan importante en la respuesta predeterminada (por ejemplo)?
La combinación de los diferentes conocimientos de los diferentes modelos con su experiencia en el campo debería llevarlo en la dirección correcta.
Que tengas un buen día Stéphane,
Re: Análisis de datos cuando hay muchas más columnas que filas.¿Estás simplemente extrayendo datos?
Tengo los siguientes pensamientos:
1. Comenzaría con una consideración cuidadosa de las columnas y desarrollaría hipótesis racionales sobre por qué afectarían o no el número de defectos o la tasa de defectos. Utilice estas hipótesis como guía para iterar su modelo.
2. Tendría cuidado al utilizar defectos. Los defectos pueden ser el resultado de diferentes mecanismos de falla y, por lo tanto, tener diferentes estructuras causales. Esto puede perderse en la suma de la densidad de defectos. ¿Hay mejores medidas? Cuanto más continuas sean las medidas, más eficaz y eficiente será el estudio.
3. En cuanto a la minería de datos, estoy de acuerdo con Víctor al evaluar la multicolinealidad de los factores de la columna. Los diagramas de dispersión son excelentes para esto.
4. La regresión sería un lugar para empezar a observar las relaciones entre factores y defectos. Nuevamente, la naturaleza de la variable de respuesta puede limitar lo que puede utilizar. Por lo general, comenzaría con efectos lineales y adoptaría un enfoque aditivo para la construcción de modelos (agregando términos como interacciones y sobre iteraciones no lineales), procedimientos como paso a paso y PLS pueden ser útiles, pero siempre podré justificar las relaciones con la racionalización del tema. . (esto es muy difícil con PCA)
5. Tienes errores de medición en todo el conjunto de datos e incluso probables en la clasificación de defectos. Habrá pocas posibilidades de estimar esto a partir de su conjunto de datos.
6. El contexto es importante. Como menciona Víctor, es posible que haya efectos variables retrasados y variables ocultas. Solo recuerde que está extrayendo datos para hacer que su próxima iteración sea más efectiva (muestreo dirigido o experimentación), NO para sacar conclusiones.
Análisis de datos cuando hay muchas más columnas que filas.Hola todos
Me gustaría pedirles ayuda porque tengo un conjunto de datos con:
- en columnas, parámetros de proceso de una línea de producción de acero galvanizado
- En filas, bobinas que han sido procesadas en esta línea de producción.
El objetivo es correlacionar una cantidad de defectos que aparecen en una bobina con uno o varios parámetros del proceso.
Desafortunadamente, tengo un conjunto de datos con muchas más columnas (407) que filas (63).
¿Tiene algún consejo sobre cómo proceder?
Modelado estadístico avanzadoLa personalización en masaIngeniería de Calidad y Procesos
