Forum

Nome Utente:
Password:
Riconoscimi automaticamente
 Tutti i Forum
 Laboratorio
 Bioinformatica e Biostatistica
 MLR PCA PCR PLS
 Nuova Discussione  Nuovo Sondaggio Nuovo Sondaggio
 Rispondi Aggiungi ai Preferiti Aggiungi ai Preferiti
Cerca nelle discussioni
I seguenti utenti stanno leggendo questo Forum Qui c'è:

Aggiungi Tag Aggiungi i tag

Quanto è utile/interessante questa discussione:

Autore Discussione  

martinastra
Nuovo Arrivato



20 Messaggi

Inserito il - 13 luglio 2007 : 17:20:00  Mostra Profilo  Visita l'Homepage di martinastra  Clicca per vedere l'indirizzo MSN di martinastra Invia a martinastra un Messaggio Privato  Rispondi Quotando
SAPETE SPIEGARMI QUESTI QUATTRO METODI?
MLR = analisi di regressione lineare multipla
PLS = metodo dei minimi quadrati parziali
PCA = analisi delle componenti principali LOADINGS E SCORES?
PCR = analisi delle regressioni della componente principale
cosa sono i RESIDUALS?

valbusagio
Nuovo Arrivato



5 Messaggi

Inserito il - 14 luglio 2007 : 13:42:57  Mostra Profilo  Visita l'Homepage di valbusagio Invia a valbusagio un Messaggio Privato  Rispondi Quotando
Citazione:
Messaggio inserito da martinastra

SAPETE SPIEGARMI QUESTI QUATTRO METODI?
MLR = analisi di regressione lineare multipla
PLS = metodo dei minimi quadrati parziali
PCA = analisi delle componenti principali LOADINGS E SCORES?
PCR = analisi delle regressioni della componente principale
cosa sono i RESIDUALS?



Ciao,

MLR Multi Linear Regression si tratta di trovare un modello multi-lineare del tipo
y = a*x1 + b*x2 + c* x3 + ... + d
dove a,b,c,d,... sono i parametri del modello multi-lineare xi sono le variabili che usi per predire la risposta (y)

PCA Principal Component Analysis. è un metodo che permette di proiettari i dati originali in uno spazio dove i versori(componenti principali, in pratica gli assi x,y,z,...) sono orientati nelle direzioni di massima varianza e perpendicolari fra loro. Ogni componente 'spiega' una certa percentuale della varianza totale contenuta nei dati. I LOADINGS sono i 'coefficienti' delle componenti principali, in pratica le Componenti Principali(Principal Components)PCs sono dei vettori di numeri reali dove l'elemento i-esimo definisce il 'peso' della variabile i-esima rispetto una PC. Gli SCORES sono le coordinate dei dati quando vengono proiettati nello spazio definito dalle PCs.
Esempi di utilizzo:

devi produrre un grafico 2-3D da dati multivariati(tante variabili) allora utilizzi la PCA per ottenere le primi 2-3 componenti che spiegano la massima varianza possibile utilizzando uno spazio 2-3dimensionale. Ottieni le coordinate dei dati rispetto le prime 2-3 componenti(Scores) e li rappresenti con Excel o MATLAB.

sei a conoscenza del fatto che i dati in tuo possesso sono affetti da rumore sperimentale, allora decidi di usare soltanto le prime n-componenti principali e di non tenere in considerazione le altre che spiegano una piccola percentuale della varianza originale dei dati e che puoi considerare con una certa approssimazione dovuta al rumore sperimentale.

PCR Principal Component Regression come MLR ma invece che usare i dati principali usi quelli proiettati nello spazio delle compnenti principali, una volta capito cosa fa PCA alla fine viene naturale.

PLS Partial Least Squares è un po' più complicato c'è questo tutorial in rete che mi sembra abbastanza fatto bene http://www.ats.ucla.edu/stat/sas/library/pls.pdf.
Cmq è come PCR ma invece che estrarre le componenti principali massimizzando la varianza spiegata le estrae massimizzando la correlazione con la risposta.

Non vado oltre cmq il percorso di apprendimento delle tecniche è MLR-PCA-PCR-PLS e PLS.

Spero di esserti stato utile.

Cmq tra un po' dovrei mettere online un sito con un po' di esempi pratici e un po' di dritte per fare le cose in MATLAB, EXCEL, R etc.

Ti farò sapere.

ciao
Torna all'inizio della Pagina

nonnaprog
Nuovo Arrivato



12 Messaggi

Inserito il - 05 novembre 2007 : 14:02:30  Mostra Profilo  Visita l'Homepage di nonnaprog Invia a nonnaprog un Messaggio Privato  Rispondi Quotando
Ciao, sono interessato anche io alla tecnica della PCA, sto trattando dati raman. Se mi dai qualche dritta o materiale per approfondire la tecnica te ne sarei grato.
Grazie
Torna all'inizio della Pagina

pino licusi
Nuovo Arrivato



7 Messaggi

Inserito il - 06 novembre 2007 : 15:47:31  Mostra Profilo  Visita l'Homepage di pino licusi Invia a pino licusi un Messaggio Privato  Rispondi Quotando
anch'io. servirebbe, cosa che non trovo, un esempio pratico svolto passo passo in R.
Torna all'inizio della Pagina

TMax
Utente Junior

TMax

Prov.: BG
Città: Capriate


270 Messaggi

Inserito il - 07 novembre 2007 : 14:56:57  Mostra Profilo  Visita l'Homepage di TMax Invia a TMax un Messaggio Privato  Rispondi Quotando
questo potrebbe essere sufficiente come inizio...

http://lib.stat.cmu.edu/R/CRAN/doc/contrib/Ricci-regression-it.pdf

I residuals, sono i 'residui' ovvero la differnza tra i valori osservati e quelli predetti dal modello...

TMax
Torna all'inizio della Pagina

nonnaprog
Nuovo Arrivato



12 Messaggi

Inserito il - 10 novembre 2007 : 11:48:48  Mostra Profilo  Visita l'Homepage di nonnaprog Invia a nonnaprog un Messaggio Privato  Rispondi Quotando
Qualcuno ha utilizzato la PCA con JAva?
Torna all'inizio della Pagina

giangiscan
Nuovo Arrivato



1 Messaggi

Inserito il - 02 dicembre 2011 : 17:14:11  Mostra Profilo  Visita l'Homepage di giangiscan Invia a giangiscan un Messaggio Privato  Rispondi Quotando
ciao Tmax, mi sono da poco imbattuto nel metodo di riconoscimento PLS ma non riesco a capire come funziona e il link che hai pubblicato non funziona. Non è che sai darmi qualche informazione aggiuntiva??
ti ringrazio anticipatamente.
Torna all'inizio della Pagina

chick80
Moderatore

DNA

Città: Edinburgh


11491 Messaggi

Inserito il - 02 dicembre 2011 : 18:03:19  Mostra Profilo  Visita l'Homepage di chick80 Invia a chick80 un Messaggio Privato  Rispondi Quotando
A me il link di TMax funziona... riprova un po' magari era solo un problema temporaneo

Sei un nuovo arrivato?
Leggi il regolamento del forum e presentati qui

My photo portfolio (now on G+!)
Torna all'inizio della Pagina
  Discussione  

Quanto è utile/interessante questa discussione:

 Nuova Discussione  Nuovo Sondaggio Nuovo Sondaggio
 Rispondi Aggiungi ai Preferiti Aggiungi ai Preferiti
Cerca nelle discussioni
Vai a:
MolecularLab.it © 2003-18 MolecularLab.it Torna all'inizio della Pagina