PCA pour données spectralesBonjour,
J'effectue une ACP sur un grand ensemble de données (257 colonnes (nombre d'onde) et environ 8 000 lignes (échantillons)) et je souhaite reconnaître certains modèles entre les spectres avec l'ACP.
Cependant, cet avertissement apparaît toujours : « Avertissement : la corrélation matricielle n'est pas définie positive ». Quelqu'un peut-il m'aider à comprendre ce que cela signifie et si cela est pertinent pour mon analyse des données ?
Je ne suis qu'un débutant en JMP mais j'apprécie toute aide à ce sujet.
Merci!
Maike
Analyse et modélisation de données de baseRé: ACP pour les données spectralesSalut Mike,
Pourriez-vous fournir un exemple d'ensemble de données à voir ? Cela indique que certaines caractéristiques de votre matrice ne sont pas positives (c'est-à-dire que les valeurs propres ne sont pas toutes positives, la matrice n'est pas symétrique), ce qui modifie le type de tests qui peuvent être effectués avec JMP et qui nécessitent (par exemple des tests de vraisemblance maximale comme décrit ici) et peut affaiblir la force de votre PCA. J'envisagerais d'examiner vos données et d'essayer des choses comme supprimer les valeurs aberrantes/erreurs ou même affiner votre liste de prédicteurs pour les facteurs/colonnes réellement importants.
Comme vous avez mentionné que vous êtes débutant, je vous recommande de consulter ces articles ( ici et ici ) sur l'analyse des données spectrales - ils sont très inspirants et utiles !
Merci,
Ben
Ré: ACP pour les données spectralesSalut Ben,
merci pour votre réponse et les articles.
Dans mes données, vous pouvez voir les spectres des protéines natives et dénaturées. J'aimerais utiliser l'ACP pour voir si je peux faire la distinction entre les protéines natives et dénaturées. Voici un exemple d'ensemble de données avec quelques échantillons.
J'ai déjà normalisé mes données dans la plage 0 - 1. L'avertissement apparaît à la fois pour les données brutes et pour les valeurs normalisées.
Ré: ACP pour les données spectralesSalut Mike,
Dans cet exemple, comment faites-vous la distinction entre la « dénaturation » et les échantillons « 0,5 », « 0,14 » et « 85 » ? J'essaie simplement de comprendre comment vous comptez utiliser l'ACP pour dire ensuite « ces caractéristiques sont dénaturées »
Merci,
Ben
Ré: ACP pour les données spectralesSalut @Maike_W ,
Vous pouvez envisager de regrouper vos variables dans l'ACP et d'affiner votre nombre de colonnes pour les plus représentatives (voir ci-dessous) :
J'ai également pris ces données dans notre plateforme Functional Data Explorer (après avoir empilé les données) et divisé les colonnes en groupe (Erbse, Ackerborne) et la valeur numérique jointe (40,5, 40,15, notez que j'ai ajouté « 0 » pour celles où la valeur n'était pas indiquée) et j'ai obtenu un bon modèle expliquant la différence dans les pics entre les groupes (voir le gif et le tableau ci-joint).
Ré: ACP pour les données spectralesSalut Ben,
merci beaucoup ! oui exactement, les valeurs sans numéro sont les protéines natives et je les ai traitées à différentes températures et durées. Vous pouvez voir les différences dans les chiffres.
Mon travail consiste à déterminer si ces différences structurelles peuvent être observées à l'aide de la spectroscopie NIR. Je veux voir si vous pouvez voir des modèles et déterminer la régularité à l'aide de l'ACP et quel nombre d'ondes vous devez observer.
Mais revenons à l'ACP et à cet avertissement (la corrélation matricielle n'est pas définie positive). Puis-je résoudre ce problème en regardant uniquement les colonnes contenant les nombres d'ondes importants (issus du clustering ou de la matrice de chargement) dans l'ACP ?
Merci pour l'exemple dans Functional Data Explorer. Je vais y jeter un œil de plus près.
Ré: ACP pour les données spectralesSalut @Maike_W ,
Réduire le nombre de colonnes « non importantes » contribuera à améliorer l'ACP. Je pense que vous ne devriez pas trop mettre l'accent sur l'ISS définitive positive. L'ACP vous aidera à trouver les colonnes associées qui pourraient indiquer la dénaturation des protéines, quel que soit le problème de corrélation, et vous allez probablement les examiner visuellement pour les scruter de toute façon afin de voir s'il s'agit d'une véritable relation dans vos échantillons, ce qui vous donnera une réponse claire « vraie ou non » aux longueurs d'onde qui sont importantes.
J'espère que cela aide !
Ben
Ré: ACP pour les données spectralesSalut Ben,
Merci beaucoup. Cela m'a vraiment aidé.
Maike
