PCA für SpektraldatenHallo,
Ich führe eine PCA auf einem großen Datensatz (257 Spalten (Wellenzahlen) und etwa 8000 Zeilen (Proben)) durch und möchte mit der PCA bestimmte Muster zwischen den Spektren erkennen.
Allerdings erscheint immer diese Warnung: „Warnung: Die Matrixkorrelation ist nicht positiv definit.“ Kann mir jemand helfen zu verstehen, was das bedeutet und ob es für meine Analyse der Daten relevant ist?
Ich bin nur ein Anfänger in JMP, aber ich bin für jede Hilfe in dieser Angelegenheit dankbar.
Danke schön!
Maike
Grundlegende Datenanalyse und ModellierungBetreff: PCA für SpektraldatenHallo Mike,
Könnten Sie einen Beispieldatensatz zur Ansicht bereitstellen? Dies weist darauf hin, dass einige Merkmale Ihrer Matrix nicht positiv sind (d. h. die Eigenwerte sind nicht alle positiv, die Matrix ist nicht symmetrisch), was die Art der Tests ändert, die mit JMP durchgeführt werden können und dies erfordern (z. B. Maximum-Likelihood-Tests , wie hier beschrieben) und die Stärke Ihrer PCA schwächen kann. Ich würde in Betracht ziehen, mir Ihre Daten anzusehen und Dinge wie das Entfernen von Ausreißern/Fehlern oder sogar das Verfeinern Ihrer Prädiktorliste auf die tatsächlich wichtigen Faktoren/Spalten zu versuchen.
Da Sie erwähnt haben, dass Sie Anfänger sind, würde ich Ihnen empfehlen, sich diese Artikel ( hier und hier ) zur Spektraldatenanalyse anzusehen – sie sind sehr inspirierend und nützlich!
Danke,
Ben
Betreff: PCA für SpektraldatenHallo Ben,
Danke für Ihre Antwort und die Artikel.
In meinen Daten sind die Spektren von nativen und denaturierten Proteinen zu sehen. Ich möchte PCA verwenden, um zu sehen, ob ich zwischen den nativen und denaturierten Proteinen unterscheiden kann. Hier ist ein Beispieldatensatz mit einigen Beispielen.
Ich habe meine Daten bereits auf den Bereich 0 - 1 normalisiert. Die Warnung wird sowohl für die Rohdaten als auch für die normalisierten Werte angezeigt.
Betreff: PCA für SpektraldatenHallo Mike,
Wie unterscheiden Sie in diesem Beispiel die „Denaturierung“? Ist es der Unterschied zwischen den Proben „0,5“, „0,14“ und „85“? Ich versuche nur herauszufinden, wie Sie PCA verwenden möchten, um dann zu sagen: „Diese Merkmale sind denaturiert.“
Danke,
Ben
Betreff: PCA für SpektraldatenHallo @Maike_W ,
Möglicherweise möchten Sie Ihre Variablen in der PCA clustern und die Anzahl der Spalten auf die repräsentativsten reduzieren (siehe unten):
Ich habe diese Daten auch in unsere Functional Data Explorer-Plattform übernommen (nachdem ich die Daten gestapelt hatte) und die Spalten in Gruppen (Erbse, Ackerborne) und die angehängten numerischen Werte (40,5, 40,15; beachten Sie, dass ich „0“ für diejenigen hinzugefügt habe, bei denen der Wert nicht angegeben war) aufgeteilt, und ich habe ein gutes Modell erhalten, das den Unterschied in den Spitzen zwischen den Gruppen erklärt (siehe das GIF und die angehängte Tabelle).
Betreff: PCA für SpektraldatenHallo Ben,
vielen Dank! ja genau, die Werte ohne Zahl sind die nativen Proteine und ich habe sie bei unterschiedlichen Temperaturen und Zeiten behandelt. Man sieht die Unterschiede an den Zahlen.
In meiner Arbeit geht es darum, ob man diese strukturellen Unterschiede mithilfe der NIR-Spektroskopie erkennen kann. Ich möchte herausfinden, ob man mithilfe der PCA Muster erkennen und Regelmäßigkeiten feststellen kann und welche Wellenzahl man dabei berücksichtigen muss.
Aber zurück zur PCA und dieser Warnung (Die Matrixkorrelation ist nicht positiv definit.). Kann ich das beheben, indem ich mir in der PCA nur die Spalten mit den wichtigen Wellenzahlen (aus dem Clustering oder der Ladematrix) ansehe?
Vielen Dank für das Beispiel im Functional Data Explorer. Ich werde es mir genauer ansehen.
Betreff: PCA für SpektraldatenHallo @Maike_W ,
Durch die Reduzierung der Anzahl „unwichtiger“ Spalten können Sie die PCA verbessern. Ich denke, Sie sollten nicht zu viel Wert auf die positiven, definitiven Isses legen. Die PCA hilft Ihnen beim Auffinden der zugehörigen Spalten, die ungeachtet des Korrelationsproblems auf eine Denaturierung der Proteine hinweisen könnten. Wahrscheinlich werden Sie diese ohnehin visuell prüfen, um zu sehen, ob in Ihren Proben eine echte Beziehung besteht. Dadurch erhalten Sie eine klare „Richtig oder nicht“-Antwort auf die wichtigen Wellenlängen.
Hoffe, das hilft!
Ben
Betreff: PCA für SpektraldatenHallo Ben,
vielen Dank. Das hat mir definitiv geholfen.
Maike
