Ciao a tutti,
Sto cercando di fare un confronto tra diverse popolazioni di un animale secondo una varietà di caratteristiche morfologiche. Ho dati numerici (come lunghezza, peso, ecc.) e dati binari. Non tutti i dettagli che ho contengono tutti i dati, il che significa che ogni caratteristica ha un numero diverso di dettagli con le informazioni disponibili. Sto cercando di eseguire un PCA sui dati al fine di ottenere una divisione in popolazioni distinte in base alle differenze nei miei numerosi parametri. Sarei felice di ricevere una spiegazione su come posso ottenere un risultato in due o tre dimensioni che mi dia una comoda divisione in popolazioni.
grazie in anticipo
Ciao @yoram_frumkin ,
Prima di tutto, benvenuto nella community, questo è un ottimo posto per far conoscere le idee delle persone e ottenere aiuto con tutto ciò che riguarda i dati (non necessariamente solo JMP). Ci sono molti esperti qui.
PCA è un ottimo strumento e uno dei tanti che dovresti considerare di utilizzare per analizzare i tuoi dati, il che significa che spesso è utile esaminare i tuoi dati utilizzando piattaforme diverse in JMP. Uno svantaggio di PCA è che preferisce lavorare con dati numerici continui, non può gestire dati nominali e può lavorare, ma si lamenterà dei dati ordinali.
Ad ogni modo, per affrontare la questione di non avere sempre tutti i dati in ciascun attributo per una determinata riga (campione), una cosa che puoi fare (e lo dico con più di un pizzico di sale per cautela) è imputare i dati mancanti. Puoi farlo in Analizza > Screening > Esplora valori mancanti e quindi utilizzando i diversi tipi di imputazione. Questo a volte può funzionare bene, a volte non funziona così bene, motivo per cui raccomando di usarlo o di fare troppo affidamento su di esso. Potresti provare a creare tabelle di dati duplicate in cui utilizzi i diversi metodi di imputazione e vedere come funzionano e se i risultati hanno senso. Tuttavia, è anche una buona idea colorare/evidenziare/modificare gli indicatori per le righe in cui è stata eseguita l'imputazione poiché a volte può essere difficile tornare indietro e verificare dove si trovano una volta che JMP ha inserito i dati.
Ci sono alcune altre piattaforme che dovresti esaminare che potrebbero effettivamente funzionare meglio senza la necessità di imputare dati mancanti e ottenere comunque ciò che stai cercando. Ad esempio, è possibile utilizzare il clustering gerarchico, il clustering k-means, i vicini K-nearest (JMP Pro), le macchine a vettori di supporto (JMP Pro), la partizione o i minimi quadrati parziali (a volte chiamati proiezione su struttura latente). Tutti questi, in una forma o nell'altra, eseguono essenzialmente una riduzione dimensionale per semplificare i dati. Naturalmente, gli algoritmi sono tutti diversi e potresti ottenere risultati diversi, ma spesso è buona pratica confrontare i risultati tra piattaforme per ottenere una migliore coerenza e comprensione della classificazione.
Se hai JMP Pro, ci sono molte altre piattaforme come albero potenziato, foresta bootstrap e XGBoost che spesso sono piuttosto potenti nella modellazione di classificazione, che sembra proprio quello che stai cercando di fare. Inoltre, i dati mancanti non influiscono più di tanto sui loro algoritmi.
Puoi rendere anonima la tabella dati e condividerla (Tabelle > Anonimizza)? Ciò potrebbe dare ad altri la possibilità di giocare con i dati e fornire feedback più specifici su come potresti affrontare il problema da solo.
Spero che questo aiuti la discussione!,
DS
