Funktionale Datenanalyse und -klassifizierung: Wie berechnet man die FPC neuer Daten (ungesehen von der ursprünglichen Anpassung) unter Verwendung der Fourier-Basis des ursprünglichen Modells?Hallo!
Ich führe ein Experiment mit mehreren Sensoren aus einem Laborexperiment durch, bei dem ich etwa 700 Proben mit jeweils etwa 200 Punkten an Funktionsdaten sammeln konnte. Ich habe den Functional Data Explorer zur Dimensionsreduktion durch Anpassung eines Fouriers verwendet Basis und dann die entsprechenden FPCs.
Ich folge dem Beispiel "Fermentation Process" in der Dokumentation (Seite 299 des JMP 16.2-Handbuchs). Ich werde später einen Klassifikator ausführen, um Klasse 0 oder 1 zu identifizieren, die bereits in denselben Daten gekennzeichnet ist. Soweit alles gut, aber wie kann ich diesen Klassifikator anhand unsichtbarer Daten testen? Wie kann ich die entsprechenden FPCs aus neuen Daten unter Verwendung des ursprünglichen Fourier-Fits erhalten?
Vielen Dank!!
Rual
AnalytikBetreff: Funktionale Datenanalyse und -klassifizierung: Wie berechnet man die FPC neuer Daten (die von der ursprünglichen Anpassung nicht gesehen werden) unter Verwendung der Fourier-Basis des ursprünglichen Modells?Hallo @RiztCL ,
Die einfachste Möglichkeit, ein vordefiniertes Funktionsmodell für neue Daten zu verwenden, ohne es zu ändern, indem Sie die neuen Daten darin hinzufügen, besteht darin, eine Validierungsspalte zu erstellen und sie im Dialogfeld Funktionsdaten-Explorer zu verwenden.
Beim Erstellen der Validierungsspalte können Sie dann Ihre ursprünglichen Trainingsdatenpunkte als Trainingsdatensatz und die neuen Daten als Testdatensatz angeben.
Durch die Verwendung dieser Validierungsspalte in der Modellierung sollte JMP nur den Trainingsdatensatz (Ihre ursprünglichen Trainingsläufe) verwenden, um das funktionale Fourier-Modell anzupassen, und Sie könnten dann die FPCs sowohl für die Trainings- als auch für die Testsätze extrahieren.
Ich hoffe, diese Lösung wird für Sie funktionieren,Betreff: Funktionale Datenanalyse und -klassifizierung: Wie berechnet man die FPC neuer Daten (die von der ursprünglichen Anpassung nicht gesehen werden) unter Verwendung der Fourier-Basis des ursprünglichen Modells?Hallo Victor, vielen Dank für die Antwort, es ist in der Tat eine gute Idee 
Das würde mich jedoch zwingen, immer durch den Funktionsexplorer zu gehen. Gibt es überhaupt einen Satz Formeln, um die Fourier-Basis und / oder die FPCs direkt zu berechnen, indem einfach neue Zeilen zur Tabelle hinzugefügt werden?
Danke!
Raúl
Betreff: Funktionale Datenanalyse und -klassifizierung: Wie berechnet man die FPC neuer Daten (die von der ursprünglichen Anpassung nicht gesehen werden) unter Verwendung der Fourier-Basis des ursprünglichen Modells?Hallo Raúl,
Ich habe schnell in der Plattform nachgesehen, da Sie keine Formeln für FPCs oder für die Vorhersagen des Modells speichern können, glaube ich nicht, dass es eine direkte Option gibt, um Fourier-Basis und / oder FPCs beim Hinzufügen von Zeilen zu berechnen.
Möglicherweise gibt es eine elegantere und weniger manuelle Möglichkeit, diese Parameter für neue Zeilen zu berechnen, indem Sie sie skripten (aber ich bin kein Experte für Skripte).
Betreff: Funktionale Datenanalyse und -klassifizierung: Wie berechnet man die FPC neuer Daten (die von der ursprünglichen Anpassung nicht gesehen werden) unter Verwendung der Fourier-Basis des ursprünglichen Modells?Hallo Victor,
Ok, kein Problem, ich werde nach einer Problemumgehung suchen, ich * denke *, dass die Fourier-Koeffizienten sowie die Zufallskomponententabellen verwendet werden können, um die Fourier-Basisformel zu rekonstruieren, aber es wird wahrscheinlich die 'Codierung' der Fourier-Formel beinhalten zu Basis machen.. dasselbe bei FPCs....
Mal sehen, trotzdem danke
Beifall
Raúl
