時間経過データの PCA 分析によるバッチ ID による PCA の生成こんにちは、
いくつかのバイオリアクターのデータがあります。 各バイオリアクターには ID (1 ～ 5) といくつかの時間経過プロファイル変数 (溶存酸素、pH...) があります。 時間経過データには 20 個の変数と 10 個のタイムポイントがあります。
20 個の変数を Y 列として使用して PCA 分析を実行すると、バイオリアクター データのスコア プロットが得られます。これは良好です。 各バイオリアクターの意味 20 個の変数を考慮して、バッチごとに 10 個のデータポイントを持つ 1 つの時間経過プロファイルを取得します。 しかし、各バイオリアクターのデータが 1 つのデータポイントのみに凝縮され、どのバイオリアクターが互いに類似しているかを識別できる「バッチ ID PCA」も取得したいと考えています。 したがって、5つのデータポイントのみを含むPCAプロットを取得したいと考えています。これらのデータポイントは（各バイオリアクターの20 * 10のデータ）を考慮します。
K 平均法クラスター プラットフォームを使用することで、これをさらに達成することができました。
何か助けはありますか？ スクリプトよりも JMP メニューを優先的に使用します。
代替策の 1 つは、マトリックスを分割することであることはわかっています。 PCA 分析で時間経過データを取得する理由は、データ テーブルが列 1= ID であるためです。列 2 = 時間。列 3 ～ 20= 変数。
各バッチに 1 行だけを作成できれば、PCA 分析で希望どおりの結果が得られます。 データを分割しようとしましたが、失敗しました。データテーブルを列 1= ID に変換できれば。列 2-201 - データポイント、PCA 分析が私が望むものを提供すると信じています。
現在のデータテーブルを 200 の新しい列に変換するにはどうすればよいですか? (最初の 21 列は時間 1、時間 1 の 20 個の変数の値、次の 21 列は時間 2、時間点 2 の 20 個の変数の値、などとなります)。
どうもありがとう
Re: バッチ ID による PCA を生成するための時間経過データの PCA 分析こんにちは@gzmorgan0 、
ご返信ありがとうございます！
ビジュアル分析に関するご意見に感謝いたします。 実際、それが私の最初のステップであり、データを観察して奇妙なパターンやプロファイルを見つけました。
ただし、このためには、前述したように PCA を実行する必要があります。残念ながら、各バッチに同じタイムポイントがありません。 それで、他に何か提案はありますか？ それ以外の場合は、データを Excel にエクスポートし、古い退屈な方法で行ごとに 1 つのバッチを実行することになると思います。
ご貢献いただき誠にありがとうございました
Re: バッチ ID による PCA を生成するための時間経過データの PCA 分析@ダンプ、
データ テーブル Fermentation Process.jmp のサブセットを添付します。 Y 列を時間で分割すると (同じ時間値があると仮定します)、説明したデータ テーブルを作成できます。
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
);
ただし、私はビジュアル分析を強く信じており、データセットが大きすぎない場合は、他のモデリングの前に最初の分析としてビジュアル分析をお勧めします。
したがって、PCA の前に、GraphBuilder のオーバーレイ変数とカラー変数として ID を使用して 20 個の変数のそれぞれを時間別にプロットして、時間パターンとリアクターの一貫性を直感的に把握することをお勧めします。 JMP PRO FDE をお持ちの場合は、データのスケーリング、フィルタリング、整列 (タイム ワーピング) を実行できるメソッドに加えて、これらのプロットも作成されます。これは非常に優れています。ただし、視覚的な分析は、固有ベクトルよりも直感的に変数を識別できる可能性があります。 以下の NH3 供給量対時間のプロットを考えてみましょう。 BatchID 6、29、33、および 47 には、特に時間 1.5 より前と時間 7 より後では、異なる時間的パターンがあります。開始の安定性と終了の安定性のメトリクスは、品質メトリクスのより良い予測因子である可能性があり、多くの場合、PCA に精通していない他の人にも簡単に説明できます。
いくつかの提案があります。 幸運を！
Re: バッチ ID による PCA を生成するための時間経過データの PCA 分析こんにちは、
お返事ありがとうございます。 残念ながら私はJMP Proを持っていません。 他に何か提案はありますか？
最高、
Re: バッチ ID による PCA を生成するための時間経過データの PCA 分析何か見たことがありますか機能データエクスプローラーできる？ このドキュメントには、あなたのケースに関連するバイオ燃料発酵の例が含まれています。
