Re: ¿Es posible hacer DFPCA + PCA regular juntos?
Hasta ahora, he seleccionado ciertos puntos de esas series de datos según las condiciones típicas (por ejemplo, la temperatura ambiente), pero definitivamente mejoraría el análisis si se pudiera usar la serie de datos completa para cada uno.
Parece que está en el lugar correcto: FDE debería poder usar la salida/forma completa de sus datos, en lugar de solo ciertos puntos.
Veo la opción DFPCA en la plataforma de análisis de datos funcionales.
¿Hay alguna razón por la que esté usando eso en lugar de ajustar un modelo a sus datos? Según mi experiencia, la adaptación de un modelo (Triángulo Rojo...Modelos) suele ser el primer paso. Sin embargo, Direct FPCA es ciertamente una opción.
[¿Existe] una manera de hacer múltiples puntos de datos y series de datos, y hacer PCA con todo eso?
Sí. Si entiendo correctamente, usaría FPC Profiler o (más probablemente) FDOE Profiler. FPC Profiler muestra cómo los cambios en los FPC afectan la forma de la salida, y FDOE Profiler muestra cómo los cambios en las entradas del DOE afectan la forma de la salida. He puesto una captura de pantalla a continuación y adjunto un archivo de datos de muestra.
Re: ¿Es posible hacer DFPCA + PCA regular juntos?No estoy seguro de entender. Puede analizar funciones (series de datos) con el Explorador de datos funcionales. Cada serie es una función separada. ¿Qué es diferente en la pregunta que hiciste? El PCA está en las funciones.
¿Has leído el JMP? Ayuda sobre FDE ? ¿Los ejemplos ayudan a responder a su pregunta?
Re: ¿Es posible hacer DFPCA + PCA regular juntos?@Mark_Bailey y @Jed_Campbell , ¡gracias por responder!
Entonces, al volver a leer mi pregunta, no creo que la haya explicado bien. Me disculpo por eso. Como un ejemplo más concreto, digamos que tengo un montón de materiales, y para cada uno tengo el peso molar, la densidad a lo largo de la temperatura y la absorción óptica en diferentes longitudes de onda. El primero es un punto de datos único y es el tipo de datos en el que se realizaría un PCA regular, mientras que los dos últimos son datos funcionales. Sin embargo, tiene dos series de datos funcionales que usan diferentes ejes x. Mi pregunta es ¿cómo se realizaría PCA en los tres juntos, o es posible?
¿Hay alguna razón por la que esté usando eso en lugar de ajustar un modelo a sus datos? Según mi experiencia, la adaptación de un modelo (Triángulo Rojo...Modelos) suele ser el primer paso. Sin embargo, Direct FPCA es ciertamente una opción.
@Jed_Campbell La razón por la que estoy usando PCA es simplemente porque lo entiendo más. No estoy seguro de cómo realizaría otro análisis en tipos de datos tan dispares cuando el objetivo de lo que estoy haciendo es más encontrar asociaciones. El ejemplo que di arriba es más una versión recortada de lo que estoy haciendo (151 propiedades de diferentes materiales), así que si tienes alguna sugerencia, me encantaría escucharla.
¡Gracias!
¿Es posible hacer DFPCA + PCA regular juntos?Hola, estoy trabajando en un documento y tengo muchos puntos de datos individuales para diferentes elementos, pero algunos de esos puntos provienen de series de datos (por ejemplo, valores a diferentes temperaturas, longitudes de onda, etc.). Hasta ahora, he seleccionado ciertos puntos de esas series de datos según las condiciones típicas (por ejemplo, la temperatura ambiente), pero definitivamente mejoraría el análisis si se pudiera usar la serie de datos completa para cada uno. Veo la opción DFPCA en la plataforma de análisis de datos funcionales. Sin embargo, tal vez estoy siendo un tonto y me lo estoy perdiendo por completo, y hay una manera de hacer múltiples puntos de datos y series de datos, y hacer PCA con todo eso. es posible? Incluso estaría abierto a una opción JSL. Sin embargo, no conozco JSL, por lo que si me tomaría semanas poder obtener el código, desafortunadamente no tengo ese tipo de flexibilidad de tiempo.
¡Gracias!
Modelado Estadístico Avanzadoventanas
