배치 ID로 PCA를 산출하기 위한 시간 경과 데이터의 PCA 분석안녕하십니까,
여러 생물 반응기 데이터가 있습니다. 각 생물 반응기에는 ID(1 ~ 5)와 여러 시간 경과 프로필 변수(용존 산소, pH...)가 있습니다. 시간 경과 데이터에 대해 20개의 변수와 10개의 시점이 있습니다.
20개의 변수를 Y 열로 사용하여 PCA 분석을 수행할 때 생물반응기 데이터의 스코어 플롯을 얻었습니다. 이는 좋은 결과입니다. 각 생물 반응기에 대한 의미 배치당 10개의 데이터 포인트가 있는 20개의 변수를 고려하여 하나의 시간 경과 프로필을 얻습니다. 그러나 나는 또한 각 생물 반응기에 대한 데이터가 하나의 데이터 포인트로 압축되고 어떤 생물 반응기가 서로 유사한지 식별할 수 있는 "배치 ID PCA"를 얻고 싶습니다. 그래서 5개의 데이터 포인트만 있는 PCA 플롯을 얻고 싶습니다. 여기서 이러한 데이터 포인트는 고려합니다(각 생물 반응기에 대한 20*10 데이터)
이를 달성하기 위해 더 가까이 다가간 것은 K-means 클러스터 플랫폼을 통해서였습니다.
도움이 되셨나요? 스크립팅보다 JMP 메뉴를 우선적으로 사용합니다.
한 가지 대안이 행렬을 분할하는 것임을 알고 있습니다. 내 PCA 분석에서 시간 경과 데이터를 얻는 이유는 내 데이터 테이블이 열 1= ID로 있기 때문입니다. 열 2=시간; 열 3-20=변수.
각 배치에 하나의 행만 만들 수 있다면 PCA 분석을 통해 원하는 것을 얻을 수 있습니다. 데이터 분할을 시도했지만 실패했습니다.내 데이터 테이블을 열 1= ID로 변환할 수 있다면; 컬럼 2-201 - 데이터 포인트, PCA 분석이 내가 원하는 것을 줄 것이라고 믿습니다.
현재 데이터 테이블을 200개의 새 열로 어떻게 변환합니까? (첫 번째 열 21개는 시간 1, 변수 20개에 대한 값은 시간 1, 다음 열 21개는 시간 2, 변수 20개에 대한 값은 시간 2 등).
많은 감사
Re: 배치 ID로 PCA를 산출하기 위한 시간 경과 데이터의 PCA 분석안녕 @gzmorgan0 ,
답장해주셔서 정말 감사합니다!
시각적 분석에 대한 귀하의 의견에 감사드립니다. 실제로 데이터를 관찰하고 이상한 패턴과 프로필을 찾는 것이 첫 번째 단계입니다.
그러나 이를 위해서는 내가 설명한 대로 PCA를 수행해야 하며 불행히도 각 배치에 대해 동일한 시점이 없습니다. 그래서 다른 제안이 있습니까? 그렇지 않으면 데이터를 Excel로 내보내고 이전의 지루한 방식으로 행당 하나의 일괄 처리를 수행할 것입니다!
귀하의 기여에 감사드립니다
Re: 배치 ID로 PCA를 산출하기 위한 시간 경과 데이터의 PCA 분석@습기 ,
첨부는 데이터 테이블 Fermentation Process.jmp의 하위 집합입니다. Y 열을 시간별로 분할하면(같은 시간 값이 있다고 가정함) 설명하는 데이터 테이블을 만들 수 있습니다.
Data Table( "Subset of Fermentation Process" ) <<
Split(
Split By( :Time ),
Split( :Ethanol, :Temp, :Molasses Feed, :NH3 Feed, :Air, :Tank Level, :pH ),
Group( :BatchID ),
Remaining Columns( Drop All ),
Sort by Column Property
);
그러나 저는 시각적 분석에 대한 확고한 신념을 가지고 있으며 다른 모델링보다 데이터 세트가 너무 크지 않은 경우 첫 번째 분석으로 권장합니다.
따라서 PCA를 수행하기 전에 GraphBuilder에서 ID를 오버레이 및 색상 변수로 사용하여 시간별로 20개의 변수 각각을 플롯하여 시간 패턴과 반응기의 일관성에 대한 직관을 얻을 것을 제안합니다. JMP PRO FDE가 있는 경우 데이터를 확장하고 필터링하고 정렬할 수 있는 방법(시간 왜곡) 외에도 이러한 플롯이 생성됩니다.그러나 시각적 분석은 잠재적으로 고유 벡터보다 더 직관적인 판별 변수로 이어질 수 있습니다. 아래의 NH3 공급 대 시간 플롯을 고려하십시오. BatchID 6, 29, 33 및 47은 특히 시간 1.5 이전과 시간 7 이후에 시간 패턴이 다릅니다.시작 안정성과 끝 안정성에 대한 메트릭은 품질 메트릭에 대한 더 나은 예측 변수일 수 있으며 종종 PCA에 정통하지 않은 다른 사람들도 더 쉽게 설명할 수 있습니다.
몇 가지 제안입니다. 행운을 빕니다!
Re: 배치 ID로 PCA를 산출하기 위한 시간 경과 데이터의 PCA 분석안녕하십니까,
당신의 답변에 감사드립니다. 불행히도 나는 JMP Pro가 없습니다. 다른 제안이 있으십니까?
최고,
Re: 배치 ID로 PCA를 산출하기 위한 시간 경과 데이터의 PCA 분석봤어? 기능 데이터 탐색기 할수있다? 이 문서에는 귀하의 사례와 관련된 바이오 연료 발효 예가 포함되어 있습니다.
