Erstellen von Vorhersagemodellen für korrelierte und hochdimensionale Daten

[#1]

Lernen Sie, Modelle mit Hilfe von Variablenauswahltechniken anzupassen, einschließlich Schrumpfungstechniken, die speziell auf die Modellierung korrelierter und hochdimensionaler Daten ausgerichtet sind. Erfahren Sie, wie Sie mit der eine Vielzahl von Verteilungen für Antworten untersuchen können, die kontinuierlich, binomial, zählend oder null-inflationär sind, und wie Sie Modelle vergleichen können, die mit anderen Techniken erstellt wurden. 

[Jonas_Rinne]

Es war noch eine Frage hinsichticher der Integrierbarkeit von quadratischen Effekten und Wechselwirkungen in die PCA Regression offen:

Theoretisch müssten hierfür die entsprechenden Spalten vor der Hauptkomponentenanalyse mit Formelspalten angelegt werden (Beispielsweise Spalte1*Spalte1 für einen quadratischen Effekt) und im Anschluss ebenfalls in der Hauptkomponentenanayse mitberücksichtigt werden. Je nach Spaltenanzahl müsste hier sehr viel hinzugefügt werden. Zusätzlich würde die Multiplikation der Spalten die Skalierung verzerren.

Wenn entsprechende Anwendungsfälle vorliegen, ist PLS mit JMP Pro hier die direktere Lösung.

[Uwe_Weber]

Hallo Jonas-

Danke fuer die Antwort. Habe die Frage selber beantworten koennen. Es ist moeglich, z.B. bei 2 Faktoren, ueber die Hauptkomponentenanalyse die resultierenden Prin1 und Prin2 ueber "Fit Y by X/ Selektion von RSM", die dabei resultierenden Terme Pin1, Prin2, Prin1xPrin2, Prin1xPrin1, Prin 2xPrin2 zu Modellieren. Habe das ausprobiert anhand eines publizierten Fallbeispiels, bei dem in einem 2 Faktor DOE aufgrund von Constraints eine Faktorkorrelation entstanden ist (was aber aufgrund des kleinen "standard errors" in der Auswertung kein Problem darstellte). Die Analyse dieser teil-koorelierten Faktoren ueber die Hauptkomponentenanalyse, wie oben beschrieben, ergibt ein nahezu identisches Ergebnis.

Gruesse,

Uwe