Principes fondamentaux multivariésSalut les ingénieurs du Sud-Est des quatre coins du monde !
J'ai rapidement eu un aperçu de l'analyse multivariée, et de ce qui est réellement utile d'après votre expérience en tant qu'ingénieurs/scientifiques, et des sujets que vous pensez que les gens DEVRAIENT connaître.
Par exemple : l’ACP est-elle vraiment utile lorsqu’on dispose d’ordinateurs capables de traiter un grand nombre de variables ? Ou bien existe-t-il des principes fondamentaux de cette technique utilisés de manière pertinente et intéressante (un bonus si cela fonctionne avec JMP Pro) ?
ou des technologies cool que vous connaissez
**comme associer un groupe groupé à un graphique parallèle**
Merci et bon mois de février.
-chasse
Modélisation statistique avancéeFusion et nettoyage des donnéesModélisation prédictive et apprentissage automatiqueRe: Principes fondamentaux multivariésTrois idées me viennent à l'esprit :
- Il y a quelques années, quand j'étais encore dans le monde professionnel, j'ai suivi la formation « Analyse multivariée » de Di Michelson. Cela m'a vraiment ouvert les yeux sur le fonctionnement du menu « Analyse multivariée » dans JMP. Je ne trouve pas cette formation dans la section « À la demande ». Je me demande si les notes sont disponibles quelque part. Je mentionne @ruthhummel car je n'arrive pas à trouver le nom de Di.
- Pour répondre à votre question sur les composantes principales, je pense que le regroupement de variables est surtout un meilleur outil pour la réduction des variables, mais j'ai un vague souvenir (je crois ?) que @Phil_Kay a fait une vidéo ou un blog montrant comment les composantes principales peuvent être très utiles pour voir de grands regroupements qui peuvent ou auraient dû être dérivés de la connaissance du processus.
- L'intégration multivariée est un outil rapide pour visualiser des données très volumineuses ; il s'agit d'un outil de JMP Pro. Le fichier d'exemple « Prostate Cancer.jmp » présente un résultat très intéressant et s'affiche en environ 2 secondes. Si mes données contenaient des données similaires, je serais particulièrement intéressé par ces 11 lignes :
Re: Principes fondamentaux multivariésGénial ! Merci Jed
Personnellement, je n'ai pas beaucoup utilisé ces techniques dans mes fonctions d'ingénieur, donc c'est intéressant d'entendre les points de vue des autres.
Je suis d'accord avec l'utilisation de la variable cluster plutôt que de l'ACP, car nous ne travaillons pas avec des colonnes abstraites, mais nous cherchons la colonne « la plus représentative » d'un cluster (une colonne réelle).
Re: Principes fondamentaux multivariésVous trouverez les ressources ici : Ressources pédagogiques à usage interne uniquement - Communauté des utilisateurs JMP . Je les convertirai prochainement en contenu en ligne.
Re: Principes fondamentaux multivariésC'est une excellente question. En Europe, les créateurs de SIMCA et d'Unscrambler ont fait un travail remarquable pour promouvoir les méthodes multivariées, notamment l'ACP et la PLS, en particulier dans les secteurs de la biotechnologie et de la chimie. Cependant, je ne suis pas certain qu'ils en aient jamais vraiment démontré la valeur. La communauté d'utilisateurs est restée restreinte, mais très passionnée ! Si vous rencontrez quelqu'un qui utilise l'ACP/PLS et qui n'utilise pas JMP, soyez très prudent avant de lui consacrer du temps pour la convaincre.
Bref, j'ai joint un journal contenant quelques études de cas que j'ai utilisées pour aborder ce sujet. Le tableau de données de l'étude de cas finale étant volumineux, je l'ai joint séparément. Je suis prêt à les examiner avec vous. Elles devraient vraiment figurer dans le TRL !
Re: Principes fondamentaux multivariésMerci Phil ! Je vais examiner ces exemples.
Re: Principes fondamentaux multivariésL'ACP est largement utilisée en génétique/génomique des populations.
J'ai utilisé l'ACP pendant mon master pour étudier l'évolution des populations de VIH. Je l'ai fait en Python ; il existe aussi de nombreux packages R. J'aurais aimé connaître JMP à l'époque.
