Hola, estoy tratando de decidir el mejor método de análisis de conglomerados (por ejemplo, análisis de componentes principales, k-medias, etc.) para usar en la siguiente situación.Tengo un conjunto de datos mapeado con 12 928 registros, cada uno correspondiente a un pozo con resultados de muestra.Cada fila de datos (cada ubicación en mi mapa) tiene un nombre de pozo, latitud, longitud y resultados del compuesto A, compuesto B, compuesto C, compuesto D, compuesto E, etc. (8 compuestos químicos en total).Estos pozos han sido contaminados por una de tres fuentes: 1) deposición de aire, 2) desechos del proceso o 3) una combinación de los dos (mixtos).Y cada fuente está asociada con una firma de fuente única (por ejemplo, la fuente de deposición de aire tiende a tener un alto contenido de compuesto X y un bajo contenido de compuesto Y, mientras que el agua de proceso tiende a tener un alto contenido de compuesto Y y Z y un contenido bajo de compuesto X).Entonces, cada fila (es decir, la ubicación del pozo) de mi conjunto de datos está asociada con una de las tres fuentes de contaminación. Mi objetivo es identificar qué fuente es más probable para cada registro (es decir, ubicación del pozo) en mi conjunto de datos.
Es importante destacar que se sabe que un subconjunto de ~800 registros en mi conjunto de datos está asociado con la firma de la fuente de deposición en el aire.Como tal, este subconjunto de datos puede usarse como un conjunto de entrenamiento para la firma de deposición aérea.También puedo generar un subconjunto de ~50 registros que son representativos de la firma de la fuente de desechos del proceso.
Cualquier enfoque sugerido en JMP o JMP Pro sería muy apreciado.¡Gracias de antemano!
