JMP Pro > Dimensionsreduzierung > PCA > Die aussagekräftigsten Komponenten abrufen?Hallo,
Ich arbeite an einem relativ großen Datensatz, der etwa 1.500 Variablen (z. B. Biomarker) umfasst. Da Teilmengen dieser Variablen dazu neigen, miteinander zu korrelieren, möchte ich die Dimensionen des Datensatzes reduzieren. Ich erforsche derzeit PCA, um dieses Ziel zu erreichen. Dennoch bin ich mir nicht sicher, wie ich bestimmte Hauptkomponenten mit den Originaldaten verknüpfen soll (dh welche Biomarker/Variablen „am meisten“ zu den spezifischen Hauptkomponenten beitragen). Ich weiß, wie ich die formatierte Ladematrix abrufen kann, aber wie kann ich einen sinnvollen Grenzwert für die Auswahl der einflussreichsten Komponenten der Hauptkomponenten festlegen?
Bemerkenswert ist, dass die spezifischen Hauptkomponenten von Interesse aus einem einfachen linearen Modell abgeleitet werden, das die Assoziation jedes PCs mit einer klinischen Variablen testet.
Windows Pro
JMP Pro 16.1
Ich danke Ihnen für Ihre Hilfe.
Am besten,
TS
Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungBetreff: JMP Pro > Dimensionsreduzierung > PCA > Die aussagekräftigsten Komponenten abrufen?Hallo @Thierry_S ,
Für Ihren Anwendungsfall sind möglicherweise einige Optionen interessant, die Sie in Betracht ziehen sollten:
- Teilbeitrag von Variablen : Im roten Dreieck der PCA-Plattform können Sie „Teilbeitrag von Variablen“ auswählen, was eine interessante Ansicht darüber bietet, welche Variablen den größten Einfluss auf welche Hauptkomponenten haben, und die vor der Darstellung bereitgestellte Tabelle ist hilfreich um diese relativen Einflüsse abzuschätzen:
- Cluster-Variablen : Hilft bei der Definition nicht überlappender Variablen-Cluster und kann Ihnen bei der Auswahl der interessantesten/wichtigsten beitragenden Variablen zu den verschiedenen Clustern helfen.
- Scree-Plot : Wenn Sie schließlich eine angemessene Anzahl zu verwendender Hauptkomponenten abschätzen möchten (guter Kompromiss zwischen Genauigkeit/Variabilitätserklärung und Komplexität/Anzahl der PCs), ist der Scree-Plot eine sehr gute Option, da er die Eigenwerte abhängig von der Hauptkomponente zeigt Komponentenreihenfolge:
Ein in der Literatur üblicher Ansatz empfiehlt, nur eine Anzahl von PCs auszuwählen, die einen Eigenwert > 1 und nicht über den „Ellbogen“-Bereich hinaus liefern (da sich der Eigenwert für jeden zusätzlichen Faktor nicht stark ändert, was bedeutet, dass der Beitrag jeder zusätzlichen Variablen nicht sehr groß ist). hoch).
„Diejenigen mit Eigenwerten kleiner als 1,0 gelten nicht als stabil. Sie weisen eine geringere Variabilität auf als eine einzelne Variable und werden nicht in der Analyse berücksichtigt. In diesem Sinne erhalten Sie am Ende weniger Faktoren als die ursprüngliche Anzahl von Variablen.“ (Girden , 2001)“: https://stats.stackexchange.com/questions/72439/why-eigenvalues-are-greater-than-1-in-factor-analysis
Ich hoffe, diese ersten Optionen werden Ihnen helfen,
Am besten,
Betreff: JMP Pro > Dimensionsreduzierung > PCA > Die aussagekräftigsten Komponenten abrufen?Ihre Anfrage ist durchaus typisch für Praktiker. Verzeihen Sie meine übermäßige Vereinfachung.
Die Interpretation von Eigenvektoren ist für den Praktiker (damit meine ich Wissenschaftler oder Ingenieur) nicht leicht zu verstehen. Die Eigenvektoren sind wahrscheinlich eine Kombination (und Teilmenge) der Biomarker in Ihrer Studie. Da Eigenvektoren die Daten durch eine andere „Dimension“ betrachten, ist diese Dimension möglicherweise unsinnig oder hat aus praktischer Sicht keine eigentliche Bedeutung. Eigenvektoren haben keinen bekannten „Namen“. Hoffentlich wird PCA den Bedarf ermitteln und Motivation für weitere Untersuchungen liefern.
Wie sind Sie an Ihre Daten gekommen? Sind die Variationen bei einem der Biomarker verzerrt (z. B. variieren einige stärker als andere)? Wenn Sie bereits wissen, dass einige der Biomarker kollinear (oder korreliert oder redundant) sind, können Sie dieses Wissen nutzen, um die Anzahl der Biomarker vor der PCA zu reduzieren?
Manche Leute wollen nicht wirklich verstehen (was sind diese Eigenvektoren und in welcher Beziehung stehen sie zu den Variablen in meinen Rohdaten?) und wollen einfach nur ein Modell, das „funktioniert“ ( vielleicht wie neuronale Netze).
