Hallo zusammen!
Ich arbeite mit der Hauptkomponentenanalyse von Spektraldaten (FTIR). Dazu verwende ich die Functional Data Explorer-Plattform. Ich habe ein paar Fragen zu den nach der Analyse geladenen Ergebnissen:
1. Was wären die Kriterien, um herauszufinden, welches Modell das beste ist? Diagnosediagramme vs. Eigenwerte
Bevor ich die PCA durchführe, passe ich einige Modelle an (B-Spline, P-Spline und direkte funktionale PCA), um zu sehen, welches besser zu meinen Daten passt.
Wie Sie wissen, startet die Software Diagnosediagramme des Modells und der PCA. Für P-Spline glaube ich, dass ich etwas bessere Diagnosediagramme habe als bei direkter PCA (siehe die angehängte PPT-Datei), aber meine beiden Hauptkomponenten erklären nur 78 % der Variation, während meine beiden PC bei direkter PCA 99 % erklären. Ich bin mir also nicht sicher, wie ich entscheiden soll, was am besten ist?
2. Sind Formfunktionen dasselbe wie Ladungsdiagramme?
Direkte PCA-Formfunktion:
P Spline-Shape-Funktion:
Ich möchte überprüfen, ob meine Interpretation richtig ist. Ich glaube, die Formfunktionen sind die Ladediagramme für meine PCA-Analyse, richtig? Ist es in Ordnung zu sagen, dass die Formfunktionen 1 und 2 die Wellenzahlen erklären, die den größten Beitrag zu meiner PCA-Gruppierung hatten?
Und nur aus Neugier … gibt es einen Grund dafür, dass die Formfunktionen für P-Splines irgendwie „verbeult“ aussehen, während sie für B-Splines und direkte PCA glatt aussehen?
Danke schön!
Hallo @Mariana_Aguilar ,
Um auf Ihre Fragen einzugehen:
- Es gibt verschiedene Maßstäbe, die Ihnen dabei helfen können, Modelle besser zu bewerten, zu vergleichen und auszuwählen. Diese können je nach Ziel unterschiedlich sein.
Für die Plattform „Functional Data Explorer“ werden verschiedene Informationskriterien angezeigt: AICc, BIC und GCV: Berichtsoptionen zur Modellanpassung . Diese Kennzahlen werden verwendet, um das Modell mit dem niedrigsten Informationskriterium (bester Kompromiss zwischen Genauigkeit/Vorhersageleistung und Komplexität) zu vergleichen und auszuwählen. Weitere Informationen zur Modellauswahl finden Sie im Bericht zum Basisfunktionserweiterungsmodell .
Visuell sind Diagnosediagramme auch sehr hilfreich. In Ihrer angehängten Datei scheint P-Splines einen besseren Job zu machen als Direct PCA, das das Signal aus Spektraldaten möglicherweise zu sehr glättet und vereinfacht (wie bei B-Splines, die polynomische Spline-Modelle sind). Da das Signal mit Direct PCA (über-)vereinfacht scheint, könnte dies erklären, warum Sie mit diesem Modell 99 % der Variation mit 2 funktionalen PCs erklären können. Je nach Art des Modells, das Sie anpassen (B-, P-Splines, direkte Modelle, Wavelets, ...), ist die Komplexität (und die Vorhersageleistung) unterschiedlich und führt zu unterschiedlichen Komplexitäten/von Formfunktionen.
Bei Spektraldaten würde ich auch empfehlen, die Modelle der Wavelet-Familie auszuprobieren.
- Formfunktionen sind funktionale Hauptkomponenten. Sie helfen also dabei, visuell zu verstehen, welcher Bereich Ihrer Spektraldaten am wichtigsten ist, um die Unterschiede zwischen Ihren Proben zu unterscheiden und zu erklären. Da jedoch mehrere Formfunktionen mit demselben Spektralbereich verknüpft werden können, sind die Einflüsse/Bedeutungen nicht so direkt zu beurteilen.
Hoffe, diese Antwort wird Ihnen helfen,
Vielen Dank, Victor!
In den Formfunktionen steht im Diagramm links die Mittelwertfunktion. Darf ich wissen, warum die Y-Achse dieses Diagramms „Daten“ darstellt, während bei den anderen beiden „Gewicht“ dargestellt ist?
Und noch eine Frage: Gibt es eine Möglichkeit, diese Grafiken nach Excel zu exportieren? So kann ich sie im gleichen Format wie den Rest meines Materials speichern.
Danke:)
