Hallo zusammen,
Ich versuche, einen Vergleich zwischen verschiedenen Populationen eines Tieres anhand verschiedener morphologischer Merkmale anzustellen. Ich habe numerische Daten (wie Länge, Gewicht usw.) und binäre Daten. Nicht jedes einzelne Detail, das ich habe, verfügt über alle Daten, was bedeutet, dass für jedes Merkmal eine unterschiedliche Anzahl an Details mit Informationen verfügbar ist. Ich versuche, eine PCA für die Daten durchzuführen, um eine Aufteilung in verschiedene Populationen entsprechend den Unterschieden in meinen vielen Parametern zu erhalten. Ich würde mich über eine Erklärung freuen, wie ich in zwei oder drei Dimensionen zu einem Ergebnis gelangen kann, das mir eine bequeme Aufteilung in Populationen ermöglicht.
Dank im Voraus
Hallo @yoram_frumkin ,
Zunächst einmal willkommen in der Community. Dies ist ein großartiger Ort, um Ideen auszutauschen und Hilfe bei allen Datenthemen zu erhalten (nicht unbedingt nur bei JMP). Hier gibt es viele Experten.
PCA ist ein großartiges Tool und eines von vielen, die Sie bei der Analyse Ihrer Daten in Betracht ziehen sollten – was bedeutet, dass es oft von Vorteil ist, Ihre Daten auf verschiedenen Plattformen in JMP zu untersuchen. Ein kleiner Nachteil von PCA besteht darin, dass es bevorzugt mit kontinuierlichen numerischen Daten arbeitet, nominale Daten nicht verarbeiten kann und mit ordinalen Daten arbeiten kann, sich aber darüber beschwert.
Wie auch immer, um die Frage zu beantworten, dass nicht immer alle Daten in jedem Attribut für eine bestimmte Zeile (Stichprobe) vorliegen, können Sie fehlende Daten unterstellen (und ich sage das mit mehr als einer Vorsichtsmaßnahme). Sie können dies unter Analysieren > Screening > Fehlende Werte untersuchen und dann die verschiedenen Arten der Imputation verwenden. Dies kann manchmal gut und manchmal nicht so gut funktionieren, weshalb ich davor warne, es zu verwenden oder mich zu sehr darauf zu verlassen. Sie könnten versuchen, doppelte Datentabellen zu erstellen, in denen Sie die verschiedenen Imputationsmethoden verwenden, und sehen, wie gut sie funktionieren und ob die Ergebnisse sinnvoll sind. Es ist jedoch auch eine gute Idee, Markierungen für die Zeilen, in denen Sie eine Imputation durchgeführt haben, einzufärben/hervorzuheben/zu ändern, da es manchmal schwierig sein kann, zurückzugehen und zu überprüfen, wo sich diese befinden, nachdem JMP die Daten eingegeben hat.
Sie sollten sich einige andere Plattformen ansehen, die möglicherweise tatsächlich besser funktionieren, ohne dass fehlende Daten unterstellt werden müssen, und trotzdem das erhalten, was Sie suchen. Beispielsweise könnten Sie hierarchisches Clustering, K-Means-Clustering, K-nächste Nachbarn (JMP Pro), Support-Vektor-Maschinen (JMP Pro), Partition oder partielle kleinste Quadrate (manchmal auch als Projektion auf latente Struktur bezeichnet) verwenden. All dies führt in irgendeiner Form eine Dimensionsreduktion durch, um die Daten zu vereinfachen. Natürlich sind die Algorithmen alle unterschiedlich und Sie erhalten möglicherweise unterschiedliche Ergebnisse, aber es empfiehlt sich oft, die Ergebnisse plattformübergreifend zu vergleichen, um eine bessere Konsistenz und ein besseres Verständnis der Klassifizierung zu erreichen.
Wenn Sie JMP Pro haben, gibt es mehrere andere Plattformen wie Boosted Tree, Bootstrap Forest und XGBoost, die bei der Klassifizierungsmodellierung oft recht leistungsfähig sind, was Sie anscheinend auch tun möchten. Außerdem haben fehlende Daten keinen großen Einfluss auf ihre Algorithmen.
Können Sie die Datentabelle anonymisieren und freigeben (Tabellen > Anonymisieren)? Dies könnte anderen die Möglichkeit geben, mit den Daten herumzuexperimentieren und konkreteres Feedback dazu zu geben, wie Sie das Problem selbst angehen könnten.
Ich hoffe, das hilft der Diskussion!,
DS
