새로운 스펙트럼 데이터에 대한 Y 변수 예측에 대한 FDE 질문좋아요, 제 질문은 이렇습니다.
내가 가지고 있는 일부 스펙트럼 데이터에 대해 FDE 분석을 실행했다고 가정해 보겠습니다. 모델을 생성하고 함수 요약을 새 데이터 테이블에 저장한 다음 기능적 PCA를 관심 있는 Y 변수에 연결하는 모델을 생성했습니다.
이제 새로운 스펙트럼 데이터가 있고 새로운 특정 곡선에 대한 Y 변수를 예측하고 싶습니다.
어떻게 해야 하나요? 일반적으로 일반 데이터의 경우 X 변수가 있는 행을 추가하면 예측된 Y 열이 자동으로 채워집니다. 그러나 기능적 데이터의 경우 예측에 사용할 수 있도록 스펙트럼 데이터의 기능적 PCA 값을 어디에 저장할 수 있는지 알 수 없습니다.
여기서 뭔가 빠졌나요? 당신의 접근 방식은 무엇입니까?
Re: 새로운 스펙트럼 데이터에 대한 Y 변수 예측에 관한 FDE 질문입니다.@yasmine_hajar 흥미로운 예와 질문입니다. 한 가지 대답은 원본 데이터에 새 행을 추가하고 저장된 스크립트 또는 워크플로우에서 FDE를 다시 실행하여 기능적 PCA가 영향을 받는 경우 예측 모델을 재교육하는 것입니다.
FFA 값을 예측하기 위해 원래의 스펙트럼 기능을 사용하여 Torch가 얼마나 잘 작동하는지 궁금했습니다. 첨부된 테이블은 Manda_DataFile을 23개의 행으로 분할하고 계층화된 5겹 변수를 생성합니다. 100세대가 넘는 기본 MLP를 사용한 토치 결과는 Out-of-fold 상관 관계 0.99 및 RMSE 0.39로 매우 양호하게 나타납니다.
그러나 파일 이름을 올바르게 읽으면 각각 3~4회 반복되는 효과적인 실험 단위가 실제로 7개만 있는 것처럼 보입니다. 이는 FFA Value의 반복된 값에서도 분명하게 나타납니다. 새 열 단위를 생성하고 이를 검증 변수로 사용해 보았습니다(Torch에서 빨간색 삼각형 > 변수 변경 클릭). 각 단위를 차례로 유지하는 7겹 구성표를 생성했습니다. Out-of-fold 상관관계는 0.9로 떨어지고 RMSE는 1.2로 증가합니다. 후자의 방식은 새로운 데이터에 대한 일반화 가능성에 대한 보다 현실적인 평가를 제공할 수 있습니다.
Re: 새로운 스펙트럼 데이터에 대한 Y 변수 예측에 관한 FDE 질문입니다.@russ_wolfinger 감사합니다! FPCA 열에 포함된 공식을 찾고 싶었지만 지금은 스크립트를 다시 실행하면 작동합니다.
Torch 접근 방식에 대한 질문을 가지고 다시 찾아뵙겠습니다!
다시 한 번 감사드립니다!
Re: 새로운 스펙트럼 데이터에 대한 Y 변수 예측에 관한 FDE 질문입니다.보충 변수를 포함하면 FDOE를 실행할 수 있으며 보고서의 FDOE 부분에서 예측 공식을 저장할 수 있습니다. 그러면 추가된 새 행이 자동으로 예측을 계산합니다.
저는 FDE 플랫폼에 대해 잘 알지 못하지만, 보충 변수가 없으면 FPC를 기반으로 한 예측 공식을 저장하는 방법이 없는 것 같습니다. 기능 요청처럼 들립니다.
Re: 새로운 스펙트럼 데이터에 대한 Y 변수 예측에 대한 FDE 질문@yasmine_hajar 지금 가장 좋은 방법은 검증 열과 함께 새 스펙트럼을 로드하는 것입니다. 이렇게 하면 원래 샘플에서 사용되지 않도록 할 수 있습니다. 이 목적을 위해 스코어링 스크립트를 저장할 수 있는 열린 항목이 있는데, 우선순위를 높일 것입니다.
도움이 되길 바랍니다!
Re: 새로운 스펙트럼 데이터에 대한 Y 변수 예측에 대한 FDE 질문@eclaassen 제가 사용한 보충 매개변수가 응답이 아닌 요인이라면 FDOE를 사용했을 겁니다.
하지만 제 경우에는 스펙트럼이 요인이고 보충 정보(FFA 열)가 예측입니다. 따라서 모델 요약 표에 PCA1,2,..5가 있는 모델을 만들었습니다.
