JMP Pro > Reducción de dimensiones > PCA > ¿Recuperar los componentes más significativos?Hola,
Estoy trabajando en un conjunto de datos relativamente grande que incluye ~1500 variables (es decir, biomarcadores). Dado que los subconjuntos de estas variables tienden a correlacionarse entre sí, deseo reducir las dimensiones del conjunto de datos. Actualmente estoy explorando PCA para lograr este objetivo. Aún así, no estoy seguro de cómo vincular los componentes principales específicos con los datos originales (es decir, qué biomarcadores/variables contribuyen "más" a los componentes principales específicos). Sé cómo recuperar la matriz de carga formateada, pero ¿cómo puedo establecer un límite significativo para seleccionar los componentes más influyentes de los componentes principales?
Es de destacar que los componentes principales específicos de interés se derivan de un modelo lineal simple que prueba la asociación de cada PC con una variable clínica.
ventanas profesionales
JMP Pro 16.1
Gracias por su ayuda.
Mejor,
TS
Modelado estadístico avanzadoAnálisis y modelado de datos básicosRe: JMP Pro > Reducción de dimensiones > PCA > ¿Recuperar los componentes más significativos?Hola @Thierry_S ,
Quizás haya algunas opciones interesantes a considerar para su caso de uso:
- Contribución parcial de variables : en el triángulo rojo de la plataforma PCA, puede seleccionar "Contribución parcial de variables", que ofrece una vista interesante sobre qué variables son las más influyentes y en qué componentes principales, y la tabla proporcionada antes del gráfico es útil. para estimar estas influencias relativas:
- Variables de grupo : ayuda a definir grupos de variables que no se superponen y puede ayudarle a seleccionar las variables que contribuyen más interesantes/importantes a los diferentes grupos.
- Gráfico de scree : Finalmente, si desea estimar una cantidad adecuada de componentes principales a usar (buen compromiso entre explicación de precisión/variabilidad y complejidad/número de PC), el gráfico de scree es una muy buena opción, ya que muestra los valores propios dependiendo del componente principal. orden de los componentes:
El enfoque común en la literatura recomienda seleccionar solo una cantidad de PC que proporcionen un valor propio >1 y no más allá de la región del "codo" (ya que para cada factor adicional, el valor propio no cambia mucho, lo que significa que la contribución de cada variable adicional no es muy alto).
"Aquellos con valores propios inferiores a 1,0 no se consideran estables. Representan menos variabilidad que una sola variable y no se retienen en el análisis. En este sentido, se termina con menos factores que el número original de variables. (Girden , 2001)": https://stats.stackexchange.com/questions/72439/why-eigenvalues-are-greater-than-1-in-factor-analysis
Espero que estas primeras opciones te ayuden,
Mejor,
Re: JMP Pro > Reducción de dimensiones > PCA > ¿Recuperar los componentes más significativos?Su consulta es bastante típica de los profesionales. Perdón por mi excesiva simplificación.
La interpretación de los vectores propios no es fácilmente comprensible para el profesional (con esto me refiero a científico o ingeniero). Es probable que los vectores propios sean una combinación (y un subconjunto) de los biomarcadores de su estudio. Dado que los vectores propios analizan los datos a través de una "dimensión" diferente, esa dimensión puede no tener sentido o no tener un significado intrínseco desde un punto de vista práctico. Los vectores propios no tienen un "nombre" familiar. Con suerte, lo que hará la PCA será identificar la necesidad y motivar una mayor investigación.
¿Cómo obtuviste tus datos? ¿Están sesgadas las variaciones en alguno de los biomarcadores (p. ej., algunos varían más que otros)? Si ya sabe que algunos de los biomarcadores son colineales (o correlacionados o redundantes), ¿puede utilizar este conocimiento para reducir la cantidad de biomarcadores antes de realizar PCA?
Ahora bien, a algunas personas realmente no les importa entender (¿qué son estos vectores propios y cómo se relacionan con las variables en mis datos sin procesar?) y solo quieren un modelo que "funcione" ( tal vez como redes neuronales).
