Componentes principales y detección del DoEHola: actualmente estoy usando PCA en más de 60 descriptores de elementos químicos para reducir la dimensionalidad y convertir "elemento" de una variable categórica a una variable continua. Sin embargo, no puedo encontrar una manera sencilla de utilizar un conjunto de factores con muchas combinaciones de niveles requeridas. Mis dos pensamientos son los "factores covariables establecidos" o el guión de combinaciones no permitidas. Sin embargo, las ejecuciones de covariables A) tienen una extraña sugerencia de que el número de ejecuciones equivale al número de niveles de mi PC, incluso sin que yo haya marcado "Incluir todas las filas de covariables seleccionadas en el diseño" y 
parece la antítesis del concepto de PCA, que genera componentes no correlacionados. Supongo que el script de combinaciones no permitidas funcionaría (aún no lo he explorado), pero nunca he jugado con JSL y quería ver si alguien tenía alguna sugerencia antes de seguir ese camino.
¡Muchas gracias!
PD: También incluí la tabla (sin terminar) y una separada para las PC que estoy usando para generar el DoE, si eso ayuda.
Modelado estadístico avanzadoAutomatización y secuencias de comandosDiseño de experimentosventanasRe: Componentes principales y detección DoEPuede agregar un factor de covariable. JMP supondrá que desea utilizar todas las filas de la tabla de datos de covariables. Sin embargo, reduzca el número de ejecuciones y JMP encontrará el subconjunto óptimo de filas. También los resaltará en la tabla de datos de origen.
Re: Componentes principales y detección DoEAh, eso tiene sentido entonces. ¡Gracias!
Re: Componentes principales y detección DoEUna pregunta más. Si estoy haciendo esto con dos conjuntos de covariables (un conjunto de PC para elementos y otro para solventes), ¿cómo lo haría? Traté de poner otro conjunto en la tabla que tiene datos que ocupan filas diferentes a las de la primera PC solo como prueba (como se ve a continuación), y el diseño falló
Gracias.
Re: Componentes principales y detección DoEHola,
Creo que es posible que deba agregar un poco más de explicación de lo que está tratando de lograr. ¿Puedes dar más detalles sobre " use un conjunto de factores con muchas combinaciones de niveles requeridas. "
El uso de PCA para reducir la dimensionalidad de un sistema como este es un enfoque bastante estándar. El siguiente paso suele ser construir un experimento usando los componentes principales como factores covariables y seleccionando candidatos para dar una buena cobertura del espacio de los componentes principales.
En el ejemplo adjunto con solventes, PCA reduce las propiedades del solvente a 2 componentes (esencialmente "polaridad" y "volumen"). Estos componentes luego se utilizan como factores de covariables en el diseño personalizado para seleccionar 9 solventes para estimar el modelo de superficie de respuesta. Puede ver que los 9 solventes seleccionados cubren el espacio de la PC y, por lo tanto, el espacio del descriptor original, muy bien:
Espero que esto ayude,
phil
Re: Componentes principales y detección DoEHola @Phil_Kay - Sí, eso es exactamente lo que quise decir. Lo redacté de esa manera porque estaba hablando de lo que estaba tratando de hacer que JMP hiciera a nivel mecánico, en lugar de hacer una pregunta más estadística. El gráfico solvente que compartió es exactamente el tipo de cosa que estoy planeando hacer, tanto con solventes como con metales f-block, aunque no puedo entender cómo poner ambos juegos de PC en un DoE simultáneamente sin que JMP piense en la PC. son todas covariables entre sí.
Re: Componentes principales y detección DoEEs una buena pregunta (re: seleccionar 2 tipos diferentes de materiales en un DOE). No creo que haya una manera fácil de hacer esto. Pero creo que es posible una solución.
La solución sería crear una tabla con 1 fila para cada combinación posible de solventes y metales de bloque f. Entonces, el número de filas sería = número de solventes * número de metales. Tendría que pensar en la forma más fácil de crear esto.
Necesitaría columnas de PC para solventes y columnas de PC para metales (creo que podría crearlas antes o después de la tabla grande de todas las combinaciones). Luego use todas las columnas de PC como factores covariables.
Re: Componentes principales y detección DoENo puede combinar dos conjuntos de PCA como covariables. Custom Design considera la tabla de valores de covariables como las corridas en su diseño para ser completadas con los niveles de los otros factores. JMP encuentra los niveles de factor óptimos en combinación con las combinaciones de covariables. Operacional y filosóficamente, necesitaría una tabla de datos de covariables con los metales y los solventes. Aún así, no hay una forma significativa de hacer coincidir los metales y los solventes fila por fila. Son verdaderamente independientes.
Re: Componentes principales y detección DoEAsí que usé la funcionalidad de consulta de energía de Microsoft en Excel para hacer la tabla emparejada de covariables como @Phil_Kay sugerido, y lo he adjuntado, pero @Mark_Bailey Usted dijo " Aún así, no hay una manera significativa de hacer coincidir los metales y los solventes fila por fila". ¿Significa esto que no cree que esto funcione, o simplemente es más un método de fuerza bruta que uno que tiene sentido?
Re: Componentes principales y detección DoELa combinación de la tabla de metales y la tabla de solventes usando una unión cartesiana le dará todas las combinaciones posibles de metales y solventes. Luego, puede crear subconjuntos de esta tabla de manera óptima con Diseño personalizado. Estaba pensando en la caja de 'Diseño personalizado', no en la caja de 'hágalo usted mismo' como lo estaba Phil.
Re: Componentes principales y detección DoEAh entiendo Supongo que asumí que Phil estaba diciendo "... y luego incluirlo en un diseño personalizado". Eso tiene sentido. ¡Gracias!
No estoy seguro de si debo poner esto en una nueva pregunta, pero también estoy usando dos tratamientos térmicos diferentes (microondas y térmico), que normalmente estarían bien como una variable categórica, pero también hay un cambio de un segundo factor asociado con el diferentes niveles del factor "tipo de tratamiento térmico": Microondas tiene más sentido controlar la "entrada de energía" como factor adicional, mientras que térmico tiene más sentido usar el punto de referencia de "temperatura" como factor. Mi conjetura es que lo único que se debe hacer serían dos DoE para los diferentes métodos de tratamiento térmico, pero pensé en preguntarles si tenían alguna idea.
Si esta debe ser una segunda pregunta, estaré feliz de hacer una nueva.
Re: Componentes principales y detección DoESí, creo que sería bueno ponerlo en una pregunta aparte. Pero brevemente, creo que sus opciones son ejecutar experimentos separados para muwave y térmico. O podría tener un factor categórico para el tratamiento térmico con combinaciones de tipo y nivel, por ejemplo, térmico_100C, térmico_120C, muwave_200W, muwave_300W. Creo que incluso podrías analizar los datos de esta manera habiendo realizado los experimentos por separado.
Re: Componentes principales y detección DoE@Phil_Kay Impresionante. Publiqué la pregunta como propia, como sugirió, así que supongo que podemos continuar allí, ya que tengo una pregunta o dos. ¡Gracias! https://community.jmp.com/t5/Discussions/DoE-where-choice-of-factor-changes-with-the-levels-of-another/mp/577901#M78544
