新しいスペクトル データの Y 変数の予測に関する FDE の質問さて、ここで私の質問です。
手持ちのスペクトル データに対して FDE 解析を実行したとします。モデルを作成し、関数の概要を新しいデータ テーブルに保存し、Functional PCA を対象の Y 変数にリンクするモデルを作成しました。
新しいスペクトル データができたので、新しい特定の曲線の Y 変数を予測したいと思います。
どうすればいいですか？通常、通常のデータでは、X 変数を含む行を追加すると、予測された Y 列に自動的に値が入力されます。ただし、関数データの場合、スペクトル データからの関数 PCA 値を予測に使用できるように保存できる場所がわかりません。
ここで何かが足りないでしょうか？あなたのアプローチは何ですか？
Re: 新しいスペクトル データの Y 変数の予測に関する FDE の質問@yasmine_hajar興味深い例と質問です。 1 つの答えは、元のデータに新しい行を追加し、保存されたスクリプトまたはワークフローから FDE を再実行して、機能 PCA が影響を受ける場合に予測モデルを再トレーニングすることだと思います。
私は、FFA 値を予測するためにオリジナルのスペクトル特徴を使用して、Torch がどの程度うまく機能するかを確認することに興味がありました。添付のテーブルは Manda_DataFile を 23 行に分割し、階層化された 5 分割変数を作成します。 100 エポックを超えるデフォルトの MLP を使用したトーチの結果は、フォールド外相関 0.99 および RMSE 0.39 で非常に良好であることがわかります。
ただし、ファイル名を正しく読んでいると、実際には、それぞれ 3 ～ 4 回の繰り返しを含む有効な実験ユニットが 7 つしかないように見えます。これは、FFA 値の繰り返し値からも明らかです。新しい列 Unit を作成し、それを検証変数として試してみました (Torch で、赤い三角ボタン > [変数の変更] をクリック)。各単位を順番に保持する 7 分割スキームを作成しました。倍率外相関は 0.9 に低下し、RMSE は 1.2 に増加します。この後者のスキームは、新しいデータに対する一般化可能性のより現実的な評価を提供する可能性があります。
Re: 新しいスペクトル データの Y 変数の予測に関する FDE の質問@russ_wolfingerありがとう！ FPCA 列に埋め込まれた数式を見つけられることを期待していましたが、今のところはスクリプトを再実行することで機能します。
トーチアプローチについての質問はまた改めてさせていただきます。
再度、感謝します！
Re: 新しいスペクトル データの Y 変数の予測に関する FDE の質問補足変数を含めると、FDOE を実行して、レポートの FDOE 部分から予測式を保存できます。その後、追加された新しい行によって予測が自動的に計算されます。
私は FDE プラットフォームにあまり詳しくありませんが、補足変数がない場合、FPC 出力に基づいて予測式を保存する方法がないようです。それは機能リクエストのように聞こえます。
Re: 新しいスペクトルデータの Y 変数の予測に関する FDE の質問@yasmine_hajar現時点では、新しいスペクトルを検証列とともにロードするのが最善の方法です。こうすることで、元のサンプルで使用されないようにすることができます。この目的のためにスコアリング スクリプトを保存するための未解決の項目があり、優先度を上げます。
これが役に立つことを願っています!
Re: 新しいスペクトルデータの Y 変数の予測に関する FDE の質問@eclaassen私が持っていた補足パラメータが応答ではなく因子だった場合、FDOE を使用します。
しかし、私の場合、スペクトルが因子であり、補足情報（FFA列）が予測です。したがって、モデル要約テーブルにPCA1、2、..5を含むモデルを作成しました。
