다변량 기초안녕하세요, 동남아시아 전역에서 오신 SE 여러분!
다변량 분석에 대해 간단히 여쭤보고 싶은 게 있는데요, 엔지니어/과학자로서의 이전 경험에서 실제로 유용한 부분은 무엇이고, 사람들이 꼭 알아야 할 주제는 무엇이라고 생각하시는지 궁금합니다.
예를 들어, 컴퓨터가 많은 변수를 처리할 수 있는 상황에서 PCA는 실제로 유용한가요? 아니면 이 기법의 기본 원리가 멋지고 관련성 있는 방식으로 활용될 수 있을까요? (JMP Pro에서 작동하면 더욱 좋습니다.)
또는 여러분이 알고 있는 멋진 기술들
**군집된 그룹과 평행한 플롯을 짝짓는 것과 같습니다.**
감사합니다. 2월 잘 보내세요.
-사냥하다
고급 통계 모델링데이터 혼합 및 정리예측 모델링 및 머신 러닝제목: 다변량 기초세 가지 생각이 떠오릅니다.
- 몇 년 전 현업에 있을 때 Di Michelson의 다변량 분석 강좌를 수강했습니다. 그 강좌 덕분에 JMP의 "다변량 분석" 메뉴에서 무슨 일이 벌어지고 있는지 제대로 이해하게 되었죠. 그런데 온디맨드 강좌 목록에서 그 강좌를 찾을 수가 없네요. 혹시 강의 자료가 어딘가에 있는지 궁금합니다. Di Michelson의 태그를 찾을 수가 없어서 @ruthhummel 님을 태그합니다.
- 주성분 분석에 대한 질문에 답하자면, 변수 축소에는 클러스터 변수가 더 나은 도구라고 생각하지만, (제 기억이 확실하지는 않지만) @Phil_Kay 님 이 주성분 분석이 프로세스 지식에서 도출될 수 있거나 도출되어야 했던 광범위한 그룹화를 보는 데 매우 유용하다는 것을 보여주는 비디오나 블로그 글을 올린 적이 있는 것 같습니다.
- 다변량 임베딩은 매우 방대한 데이터를 시각화하는 빠른 도구이며, JMP Pro에서 사용할 수 있습니다. 샘플 파일 "Prostate Cancer.jmp"는 정말 흥미로운 내용을 보여주는데, 시각화하는 데 약 2초 정도 걸립니다. 만약 제 데이터도 이와 비슷한 형태라면, 저는 특히 저 11개 행에 관심이 많을 것 같습니다.
제목: 다변량 기초최고야! 고마워 제드
저는 개인적으로 엔지니어링 업무에서 이러한 기술들을 많이 사용해 보지 않아서 다른 분들의 의견을 들어보는 것이 좋습니다.
저는 PCA보다 클러스터 변수를 사용하는 것에 동의합니다. 왜냐하면 추상적인 열을 다루는 것이 아니라 클러스터를 대표하는 "실제 열"을 찾기 때문입니다.
제목: 다변량 기초여기에서 자료를 찾으실 수 있습니다: JMP 사용자 커뮤니티의 내부 교육 과정 자료 . 언젠가는 이 자료들을 온라인 콘텐츠로 전환할 예정입니다.
제목: 다변량 기초좋은 질문입니다. 유럽에서는 SIMCA와 Unscrambler 개발사가 다변량 분석 방법, 특히 PCA와 PLS를 널리 알리는 데 큰 역할을 했습니다. 특히 생명공학 및 화학 산업 분야에서 말이죠. 하지만 그 가치를 실제로 입증했는지는 확신할 수 없습니다. 사용자 커뮤니티는 규모는 작지만 열정은 대단합니다! 만약 PCA/PLS를 사용하는 사람을 만났는데 그 사람이 JMP를 사용하지 않는다면, 그 사람에게 JMP를 권유하기 전에 시간을 투자하는 것을 매우 신중하게 고려해야 합니다.
아무튼, 이 주제에 대해 이야기할 때 참고했던 사례 연구들을 모아놓은 자료를 첨부했습니다. 마지막 사례 연구 데이터 표는 분량이 많아서 따로 첨부했어요. 필요하시면 언제든지 말씀해주세요. 이 자료들은 당연히 기술준비목록(TRL)에 포함되어야 합니다!
제목: 다변량 기초고마워 필! 이 예시들을 한번 살펴볼게요.
제목: 다변량 기초PCA는 인구 유전학/유전체학에서 널리 사용됩니다.
저는 석사 과정 때 HIV 집단 진화를 연구하기 위해 PCA를 사용했습니다. 파이썬으로 구현했는데, R에도 다양한 패키지가 있습니다. 그때 JMP를 알았더라면 좋았을 텐데요.
