Analyse et classification des données fonctionnelles : comment calculer le FPC de nouvelles données (invisibles par l'ajustement d'origine) à l'aide de la base de Fourier du modèle initial ?Salut!
J'exécute une expérience utilisant plusieurs capteurs d'une expérience de laboratoire où j'ai pu collecter environ 700 échantillons, chacun avec environ 200 points de données fonctionnelles, j'utilise Functional Data Explorer pour la réduction dimensionnelle grâce à l'ajustement d'un Fourier base, puis ses FPC correspondants.
Je suis l'exemple "Processus de fermentation" trouvé dans la documentation (page 299 du manuel JMP 16.2), je lancerai plus tard un classificateur pour identifier la classe 0 ou 1, qui est déjà étiquetée dans les mêmes données. Tout va bien jusqu'à présent, mais comment puis-je tester ce classificateur par rapport à des données invisibles ? comment puis-je obtenir les FPC correspondants à partir de nouvelles données en utilisant l'ajustement de Fourier d'origine ??
Merci beaucoup!!
Ruelle
AnalytiqueRe : Analyse et classification des données fonctionnelles : comment calculer le FPC de nouvelles données (invisibles par l'ajustement d'origine) en utilisant la base de Fourier du modèle initial ?Salut @RiztCL ,
Le moyen le plus simple d'utiliser un modèle fonctionnel prédéfini pour de nouvelles données sans le modifier en ajoutant les nouvelles données à l'intérieur serait de créer une colonne de validation et de l'utiliser dans la fenêtre de dialogue Explorateur de données fonctionnelles.
Lors de la création de la colonne de validation, vous pouvez ensuite spécifier vos points de données d'apprentissage d'origine en tant qu'ensemble de données d'apprentissage et les nouvelles données en tant qu'ensemble de test.
En utilisant cette colonne de validation dans la modélisation, JMP ne doit utiliser que l'ensemble de données d'entraînement (vos exécutions d'entraînement d'origine) pour s'adapter au modèle de Fourier fonctionnel, et vous pouvez ensuite extraire les FPC pour les ensembles d'entraînement et de test.
J'espère que cette solution fonctionnera pour vous,Re : Analyse et classification des données fonctionnelles : comment calculer le FPC de nouvelles données (invisibles par l'ajustement d'origine) en utilisant la base de Fourier du modèle initial ?Salut Victor, Merci beaucoup pour la réponse, c'est en effet une bonne idée 
Cependant, cela m'obligerait à toujours passer par l'explorateur fonctionnel, est-il possible d'obtenir un ensemble de formules pour calculer directement la base de Fourier et/ou les FPC en ajoutant simplement de nouvelles lignes à la table ??
Merci!
Raul
Re : Analyse et classification des données fonctionnelles : comment calculer le FPC de nouvelles données (invisibles par l'ajustement d'origine) à l'aide de la base de Fourier du modèle initial ?Salut Raul,
J'ai vérifié rapidement dans la plate-forme, puisque vous ne pouvez pas enregistrer de formules pour les FPC ou pour les prédictions du modèle, je ne pense pas qu'il existe une option directe pour calculer la base de Fourier et/ou les FPC lors de l'ajout de lignes.
Il pourrait y avoir un moyen plus élégant et moins manuel de calculer ces paramètres pour les nouvelles lignes en les scriptant (mais je ne suis pas un expert en scripts).
Re : Analyse et classification des données fonctionnelles : comment calculer le FPC de nouvelles données (invisibles par l'ajustement d'origine) en utilisant la base de Fourier du modèle initial ?Salut Viktor,
Ok, pas de problème, je vais chercher une solution de contournement, je * pense * que les coefficients de Fourier ainsi que les tableaux de composants aléatoires peuvent être utilisés pour reconstruire la formule de base de Fourier, mais cela impliquera probablement le 'codage' de la formule de Fourier pour faire la base .. même chose pour les FPC....
Voyons, merci quand même
Acclamations
Raul
