Re: 行よりも列の方がはるかに多い場合のデータ分析こんにちは@Steph_Georges 、
JMP または JMP Pro を使用しているかどうかに応じて、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 パラメーター間、およびプロセス パラメーターと応答 (デフォルト) 間の相関関係を視覚化します。これにより、相関変数とデフォルトの分析のための影響力のある入力についての指標が得られるためです (分析のプラットフォーム「多変量」 ->多変量法)。
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既定の応答をモデル化することです。 しかし、このアプローチでは、どの要因がデフォルトに影響を与えるかについての説明可能性がいくらか失われます。それらは PCA 変数で組み合わされるからです。
- もう 1 つのオプションは、偏最小二乗法 (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、たとえばスペクトル解析で使用されます。この場合、観測はほとんどありませんが、多くの入力データ (たとえば、各波長の透過率/強度) があります。
- また、どの要因が最も重要であるかについて概要を把握するために、予測子スクリーニングを試すことも興味深いかもしれません。
- JMP プロ :
- 予測子スクリーニングの代わりに、モデルに関するより多くの情報と式を保存する可能性がある「ランダム フォレスト」を試すことができます。 RF は各ツリーに特徴バギングを使用するため、多重共線性があり、観測よりも多くのパラメーターが存在する場合でも、各パラメーターがツリーで選択される確率が同じであることを確信できます。デフォルトに影響します。
- また、Lasso、Ridge、Elastic Net 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/手法です。
このコミュニティの専門家に答えを完成させます:)
これがお役に立てば幸いです。
Re: 行より列がはるかに多い場合のデータ分析Victor さん、非常に迅速かつ完全な回答をありがとうございました。
私はまだ JMP Pro を持っているので、あなたが言及したすべてのヒントをテストすることができます。
Re: 行より列がはるかに多い場合のデータ分析完璧であれば、試してみるオプションはたくさんあります! 
JMP Pro モデルに取り組む前に、最も単純なモデルを試して、使用されているさまざまなモデルを、パフォーマンス/重要性の観点だけでなく、自分の専門分野の専門知識と比較してみると興味深いかもしれません。このプロセス パラメーターは意味がありますか?デフォルトの応答では (たとえば) は非常に重要ですか?
さまざまなモデルからのさまざまな洞察と専門分野の専門知識を組み合わせることで、正しい方向に進むはずです。
素敵な一日を過ごしてください、ステファン、
Re: 行より列がはるかに多い場合のデータ分析ただのデータマイニングですか?
私は次のような考えを持っています。
1. まず列を慎重に検討し、列が欠陥数や欠陥率に影響を与える理由、または影響を及ぼさない理由について合理的な仮説を立てます。これらの仮説をモデルを反復するためのガイドとして使用します。
2. 欠陥品の使用には注意します。 欠陥はさまざまな故障メカニズムの結果である可能性があるため、さまざまな因果構造を持っています。 これは、欠陥密度の集合体では失われる可能性があります。 もっと良い対策はあるのでしょうか？ 測定が継続的であればあるほど、研究はより効果的かつ効率的になります。
3. データマイニングの場合、列因子の多重共線性の評価に関して Victor に同意します。 散布図はこれに最適です。
4. 回帰は、要因と欠陥の間の関係を調べる開始点となります。 ここでも、応答変数の性質によって、使用できるものが制限される場合があります。 通常、私は線形効果から始めて、モデル構築に加算的なアプローチを採用します (相互作用や反復にわたる非線形などの用語を追加します)。ステップワイズや PLS などの手順が役立つ場合がありますが、常に主題の合理化との関係を正当化できます。 。 (これは PCA では非常に困難です)
5. データセット全体に測定誤差があり、おそらく欠陥の分類にも測定誤差があります。 データセットからこれを推定する可能性はほとんどありません。
6. コンテキストは重要です。 Victor が述べているように、遅延変数効果や隠れ変数が存在する可能性があります。 結論を出すためではなく、次の反復 (指示されたサンプリングや実験) をより効果的にするためにデータマイニングをしていることに注意してください。
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。
以下のデータセットがあるため、ご協力をお願いしたいと思います。
- 柱内、亜鉛メッキ鋼板生産ラインのプロセスパラメータ
- この生産ラインで加工されたコイルが並んでいます
目的は、コイル上に現れる欠陥の量を 1 つまたは複数のプロセス パラメータと相関付けることです。
残念ながら、行 (63) よりも列 (407) の方がはるかに多いデータ セットがあります。
今後の進め方について何かアドバイスはありますか？
高度な統計モデリングマスカスタマイゼーション品質およびプロセスエンジニアリング
