Bonjour à tous,
J'essaie de faire une comparaison entre différentes populations d'un animal en fonction de diverses caractéristiques morphologiques. J'ai des données numériques (telles que la longueur, le poids, etc.) et des données binaires. Tous les détails dont je dispose ne contiennent pas toutes les données, ce qui signifie que chaque caractéristique a un nombre différent de détails avec des informations disponibles. J'essaie de faire une ACP sur les données afin d'obtenir une division en populations distinctes en fonction des différences dans mes nombreux paramètres. Je serais heureux de recevoir une explication sur la façon dont je peux obtenir un résultat en deux ou trois dimensions qui me donnera une division pratique en populations.
Merci d'avance
Salut @yoram_frumkin ,
Tout d'abord, bienvenue dans la communauté, c'est un endroit idéal pour échanger des idées et obtenir de l'aide pour tout ce qui concerne les données (pas nécessairement seulement JMP). Il y a beaucoup d'experts ici.
PCA est un excellent outil, et l'un des nombreux outils que vous devriez envisager d'utiliser pour analyser vos données. Cela signifie qu'il est souvent avantageux d'examiner vos données à l'aide de différentes plates-formes dans JMP. Un inconvénient quelque peu de la PCA est qu'elle préfère travailler avec des données numériques continues, elle ne peut pas gérer des données nominales et peut travailler avec, mais se plaindra des données ordinales.
Quoi qu'il en soit, pour résoudre le problème de ne pas toujours avoir toutes les données dans chaque attribut pour une ligne (échantillon) donnée, une chose que vous pouvez faire (et je dis cela avec plus d'un grain de sel par mesure de prudence) est d'imputer les données manquantes. Vous pouvez le faire sous Analyser > Dépistage > Explorer les valeurs manquantes, puis utiliser les différents types d'imputation. Cela peut parfois bien fonctionner, et parfois moins bien, c'est pourquoi je déconseille de l'utiliser ou de trop m'y fier. Vous pouvez essayer de créer des tableaux de données en double dans lesquels vous utilisez les différentes méthodes d'imputation et voir dans quelle mesure elles fonctionnent et si les résultats ont du sens. Mais c'est aussi une bonne idée de colorer/surligner/modifier les marqueurs pour les lignes sur lesquelles vous avez effectué l'imputation, car il peut parfois être difficile de revenir en arrière et de vérifier où ils se trouvent une fois que JMP a rempli les données.
Il existe d'autres plates-formes que vous devriez examiner et qui pourraient en fait mieux fonctionner sans avoir besoin d'imputer les données manquantes tout en vous obtenant ce que vous recherchez. Par exemple, vous pouvez utiliser le clustering hiérarchique, le clustering k-means, les K-voisins les plus proches (JMP Pro), les machines vectorielles de support (JMP Pro), la partition ou les moindres carrés partiels (parfois appelés projection sur structure latente). Tous ces éléments, sous une forme ou une autre, effectuent une réduction dimensionnelle essentielle pour simplifier les données. Bien sûr, les algorithmes sont tous différents et vous pouvez obtenir des résultats différents, mais il est souvent recommandé de comparer les résultats entre les plates-formes afin d'obtenir une meilleure cohérence et une meilleure compréhension de la classification.
Si vous disposez de JMP Pro, il existe plusieurs autres plates-formes telles que l'arbre boosté, la forêt d'amorçage et XGBoost qui sont souvent assez puissantes en matière de modélisation de classification, ce qui ressemble à ce que vous essayez de faire. De plus, les données manquantes n’affectent pas vraiment leurs algorithmes.
Pouvez-vous anonymiser le tableau de données et le partager (Tables > Anonymiser) ? Cela pourrait donner à d'autres l'occasion de jouer avec les données et de fournir des commentaires plus spécifiques sur la façon dont vous pourriez résoudre le problème par vous-même.
J'espère que cela aidera la discussion !,
DS
