Spektraldaten + PLS-DAHallo zusammen!
Ich möchte wissen, ob mich jemand durch die grundlegenden Schritte zur Durchführung von PLS-DA führen kann.
Unten sehen Sie ein Beispiel für die Rohdatentabelle, die ich zur Erstellung der Klassifizierungsmethode verwende. Ich arbeite mit spektralen FTIR-Daten und möchte mit der Klassifizierungsmethode prüfen, ob ich Proben entsprechend ihrer Behandlung klassifizieren kann.
Wenn ich mit dem Modell fortfahre, stelle ich immer fest, dass 0 Faktoren die minimale Anzahl von Faktoren sind und ich daher nichts klassifizieren kann.
Ich fand das rätselhaft, da ich bereits eine Kurvenanpassungsanalyse der betreffenden Spektren durchgeführt habe und dabei deutliche Unterschiede zwischen den behandelten und den unbehandelten Proben festgestellt habe. Außerdem habe ich die behandelten und unbehandelten Spektren grafisch dargestellt und es gibt deutliche visuelle Unterschiede. Daher vermute ich, dass ich etwas falsch mache.
Meine Fragen sind:
Für die Klassifizierungsvariablen verwende ich den Binärcode: 0 für Proben, die nicht behandelt wurden, und 1 für Proben, die behandelt wurden. Ist das in Ordnung oder sollte eine andere Einstellung verwendet werden?
Gibt es noch weitere Vorschläge, wie die Klassifizierungsleistung dieses Datensatzes verbessert werden kann? (Ich habe vergessen zu erwähnen, dass alle Spektren vor der Analyse SNV-normalisiert wurden, um Rauschen zu berücksichtigen.)
Vielen Dank im Voraus! Jeder Vorschlag wäre sehr willkommen:)
Erweiterte statistische ModellierungBetreff: Spektraldaten + PLS-DAHallo @Mariana_Aguilar ,
Ist es Ihnen möglich, den Datensatz zur Ansicht bereitzustellen?
PLS-DA ist nur mit JMP Pro möglich. Verwenden Sie das? Für den Binärcode sollte das für die Klassifizierung keine Rolle spielen, da JMP Pro die Daten entsprechend analysiert. Wenn Sie Pro verwenden, kann es sich auch lohnen, die Daten mit dem Functional Data Explorer auszuführen. Dadurch erhalten Sie ein funktionales PCA-Diagramm, mit dem Sie schnell erkennen können, ob es Unterschiede zwischen den Kurvenformen in den einzelnen Kategorien gibt.
Einige gute Ressourcen zur Spektralanalyse mit JMP finden Sie hier , hier und hier .
Danke,
Ben
Betreff: Spektraldaten + PLS-DALieber Ben,
Vielen Dank für Ihre freundliche Antwort. Ich habe die Datei mit dem Datensatz angehängt.
Ich habe den funktionalen Daten-Explorer verwendet, konnte meine Proben mit PCA jedoch leider nicht korrekt nach der erhaltenen Behandlung trennen. Ich habe gelesen, dass eine überwachte Methode wie PLS-DA möglicherweise hilfreicher wäre, um die subtilen Unterschiede zu erkennen.
Dank im Voraus.
Mariana
Betreff: Spektraldaten + PLS-DAHallo @Mariana_Aguilar ,
Ich habe mir die Daten angesehen und denke, dass der binäre Ansatz, bei dem nur die Behandlung betrachtet wird, einer der Gründe dafür ist, dass Ihre Modellierungsansätze Schwierigkeiten haben. Wenn ich mir FDE (Unconstrained MCR) und PLS-DA anschaue und feststelle, dass die Behandlung und der verwendete Proteintyp erhebliche Auswirkungen auf die Spektren haben, wird das Modell nicht in der Lage sein, ein geeignetes Modell zu ermitteln, wenn Sie sich nur auf die Behandlung beziehen, da Ihnen die Hälfte der Geschichte fehlt.
Danke,
Ben
Betreff: Spektraldaten + PLS-DALieber Ben, nochmals vielen Dank für Ihre Antwort.
Ich werde meinen Datensatz wie von Ihnen vorgeschlagen weiter untersuchen. Könnten Sie mir bitte das von Ihnen verwendete Datenskript mitteilen? Ich möchte nur sicherstellen, dass ich die entsprechenden Schritte in der Modellspezifikation befolge (Bild 1).
Und noch eine letzte Frage, wenn ich darf. Wenn ich beim Score-Plot angekommen bin (wie in Bild 2), haben Sie einen Vorschlag, wie ich Finsternisse einbeziehen kann, um Gruppierungen anzuzeigen? Mir fällt nur K-Means ein, aber ich weiß nicht, ob das nach PLS-DA nicht etwas redundant ist.
Danke schön!!
Betreff: Spektraldaten + PLS-DAHallo @Mariana_Aguilar ,
Sicher, finden Sie die angehängte Datei. Sie könnten versuchen, die Gruppierungen anhand der Score-Werte vorzunehmen (unter „Spalten speichern > Scores speichern“) und diese Scores zu gruppieren. Ich habe ein einfaches Beispiel mit Graph Builder erstellt (auf der Tabelle geskriptet). Sie könnten einige der Clustering-Methoden unter „Analysieren > Clustering“ ausprobieren, um zu sehen, ob Sie eine sinnvolle Gruppierung erhalten. Es lohnt sich auch, mit den Einstellungen der PLS-Methode für Zentrierung, Skalierung und X-Standardisierung zu experimentieren, da Änderungen daran die Modellanpassung verbessern können (ebenso wie das Entfernen unwichtiger VIP-Variablen und die erneute Ausführung des Modells).
Danke,
Ben
Betreff: Spektraldaten + PLS-DAVielen Dank, Ben, deine Unterstützung war sehr hilfreich. Ich weiß, das war die letzte Frage, aber darf ich noch eine stellen? Aus den PLS-DA-Modellen, die ich erstelle, möchte ich Statistiken zu Kreuzvalidierungsfehlern einbeziehen oder einen Permutationstest durchführen, um die Gültigkeit des Modells zu prüfen.
Ich hatte kein Glück, solche Werte im Menü unter dem roten Dreieck im PLS-DA-Fenster zu finden. Könnten Sie mir bitte den richtigen Weg zeigen, um diese Tests durchzuführen?
Nochmals vielen Dank für Ihre freundliche Hilfe.
Mariana
Betreff: Spektraldaten + PLS-DAHallo @Mariana_Aguilar ,
Der Kreuzvalidierungsbericht liefert Ihnen Einzelheiten zur Leistung des Modells mit den Trainingsdaten. Um mehr zu erfahren, empfehle ich Ihnen, sich diese Seite anzusehen (und einige der Links zu Themen wie „Root Mean Press“ und „Wie X2 berechnet wird“).
Danke,
Ben
