Re : Analyse des données lorsque beaucoup plus de colonnes que de lignesBonjour @Steph_Georges ,
Il existe de nombreuses options, selon que vous utilisez JMP ou JMP Pro.
Avant de passer directement à l'analyse, je visualiserais les corrélations entre les paramètres de processus et entre les paramètres de processus et la réponse (défauts), car cela pourrait donner une indication sur les variables corrélées et les entrées influentes pour l'analyse des défauts (plate-forme "Multivarié" dans Analyse -> méthodes multivariées).
Ensuite, quelques options à considérer :
- JMP :
- Une première approche pourrait être de faire une analyse en composantes principales (ACP), puis d'essayer de modéliser la réponse par défaut avec ces paramètres de l'ACP. Mais cette approche vous fera perdre une certaine explicabilité sur les facteurs qui ont un impact sur les valeurs par défaut, car ils seront combinés dans les variables PCA.
- Une autre option serait d'essayer les moindres carrés partiels (PLS), une approche très efficace lorsque vous traitez un grand nombre de variables corrélées et très peu d'observations. Il est par exemple utilisé dans l'analyse spectrale, où vous avez peu d'observations mais beaucoup de données d'entrée (transmittance/intensité pour chaque longueur d'onde par exemple).
- Ce qui peut également être intéressant, c'est d'essayer le dépistage prédictif pour avoir un aperçu des facteurs les plus importants.
-JMP Pro :
- Au lieu du dépistage Predictor, vous pouvez essayer "Random Forest", où vous aurez beaucoup plus d'informations sur le modèle et la possibilité d'enregistrer la formule. Étant donné que RF utilise le bagging de caractéristiques pour chaque arbre, vous pouvez être sûr que même en cas de multicolinéarité et plus de paramètres que d'observations, chaque paramètre aura la même probabilité d'être sélectionné dans un arbre, vous aurez donc une bonne vue sur quels facteurs impact sur les valeurs par défaut.
- Vous pouvez également consulter les modèles de régression généralisée avec des méthodes d'estimation pénalisées telles que Lasso, Ridge ou Elastic Net.
Ce sont les modèles/techniques que j'essaierais d'abord avant d'essayer des méthodes plus complexes.
Je laisse les experts de cette communauté compléter mes réponses 
J'espère que cela t'aidera,
Re : Analyse des données lorsque beaucoup plus de colonnes que de lignesMerci beaucoup Victor pour votre réponse extrêmement rapide et complète.
Comme j'ai toujours JMP Pro, je vais pouvoir tester toutes les astuces que vous avez mentionnées.
Re : Analyse des données lorsque beaucoup plus de colonnes que de lignesParfait, alors vous avez beaucoup d'options à essayer !
Il peut être intéressant d'essayer les modèles les plus simples avant de plonger dans les modèles JMP Pro, et de comparer les différents modèles utilisés, non seulement en termes de performances/signification, mais aussi avec votre expertise dans le domaine : est-il logique que ce paramètre de processus est si important dans la réponse par défaut (par exemple) ?
Combiner les différentes informations des différents modèles avec votre expertise dans le domaine devrait vous mener dans la bonne direction.
Bonne journée Stéphane,
Re : Analyse des données lorsqu'il y a beaucoup plus de colonnes que de lignesÊtes-vous simplement en train d'explorer des données ?
J'ai les réflexions suivantes :
1. Je commencerais par un examen approfondi des colonnes et développerais des hypothèses rationnelles quant aux raisons pour lesquelles elles affecteraient ou non le nombre de défauts ou le taux de défauts. Utilisez ces hypothèses comme guide pour itérer votre modèle.
2. Je serais prudent avant d’utiliser des défauts. Les défauts peuvent être le résultat de différents mécanismes de défaillance et avoir donc des structures causales différentes. Cela peut se perdre dans l’ensemble de la densité des défauts. Existe-t-il de meilleures mesures ? Plus les mesures sont continues, plus l’étude est efficace et efficiente.
3. En matière d'exploration de données, je suis d'accord avec Victor pour évaluer la multicolinéarité des facteurs de colonne. Les nuages de points sont excellents pour cela.
4. La régression serait un point de départ pour commencer à examiner les relations entre les facteurs et les défauts. Encore une fois, la nature de la variable de réponse peut limiter ce que vous pouvez utiliser. En règle générale, je commencerais par des effets linéaires et adopterais une approche additive de la construction de modèles (en ajoutant des termes tels que interactions et non-linéaire sur les itérations). Des procédures telles que étape par étape et PLS peuvent être utiles, mais je serai toujours en mesure de justifier les relations avec la rationalisation du sujet. . (c'est très difficile avec PCA)
5. Vous avez des erreurs de mesure dans tout l'ensemble de données et même probablement dans la classification des défauts. Il y aura peu de chance d’estimer cela à partir de votre ensemble de données.
6. Le contexte est important. Comme Victor le mentionne, vous pouvez avoir des effets variables retardés et des variables cachées. N'oubliez pas que vous explorez des données pour rendre votre prochaine itération plus efficace (échantillonnage dirigé ou expérimentation) et NON pour tirer des conclusions.
Analyse des données lorsqu'il y a beaucoup plus de colonnes que de lignesBonjour tout le monde
Je souhaite solliciter votre aide car j'ai un ensemble de données avec :
- en colonnes, paramètres de processus d'une ligne de production d'acier galvanisé
- en rangées, les bobines qui ont été traitées sur cette ligne de production
L'objectif est de corréler une quantité de défauts apparaissant sur une bobine à un ou plusieurs paramètres du procédé.
Malheureusement, j'ai un ensemble de données avec beaucoup plus de colonnes (407) que de lignes (63).
Avez-vous des conseils sur la façon de procéder ?
Modélisation statistique avancéePersonnalisation de masseIngénierie Qualité et Procédés
