R语言偏最小二乘回归PLS回归分析制药产品化学制造过程数据、缺失值填充、变量重要性

简介: R语言偏最小二乘回归PLS回归分析制药产品化学制造过程数据、缺失值填充、变量重要性

全文链接 :https://tecdat.cn/?p=34046


PLS回归主要的客户来自于化学、药品、食品和塑料行业。在本文中,我们将使用此类背景下的示点击文末“阅读原文”获取完整代码数据


什么是偏最小二乘回归(PLS回归)?


偏最小二乘回归(Partial Least Squares, PLS)是一种将预测变量降维为一组不相关的成分,并在这些成分上执行最小二乘回归的技术,而不仅仅是在原始数据上执行回归。

与多元回归不同,PLS不假设预测变量是固定的。这意味着预测变量可能带有误差,使得PLS对测量不确定性更加稳健。


使用PLS


在文中讨论了一种制药产品的化学制造过程。

library(pls)
library(Amelia)

在这个问题中,目标是理解原材料的生物测量(预测变量)、制造过程的测量(预测变量)与产品产量的关系。生物预测变量在加工前无法更改,但可以用于评估原材料的质量。另一方面,制造过程的预测变量可以在制造过程中进行更改。将产品产量提高1%将使每批收入增加大约十万元:

  1. 启动R并使用以下命令加载数据:

数据包含了176次制造过程的57个预测变量(其中12个描述输入的生物材料,45个描述制造过程的预测变量)。yield包含了每次运行的产量百分比。

  1. 预测变量集中有少部分单元格缺失值。使用一个填充函数来填补这些缺失值。
missmap(Che......)

image.png

我们可以看到一些预测变量确实有缺失值。


点击标题查阅往期内容


MATLAB偏最小二乘回归(PLSR)和主成分回归(PCR)分析光谱数据


01

02

image.png

03

image.png

04

image.png


下面我将对数据进行预处理,包括:

  1. 对数据进行中心化标准化
  2. 使用knn插补方法替换缺失值
  3. 使用corr过滤高度相关的预测变量
  4. 使用nzv过滤可能引起问题的近零方差预测变量。
# 预处理数据,排除产量列
preprocessing <- prePr......)) 
Xpreprocess <- predict(prepro......))

image.png

如第二张图所示,缺失值已被替换,数据现在是完整的。

  1. 将数据拆分为训练集和测试集,预处理数据,并调整本章中所选模型的参数。什么是性能指标的最优值?
yield <- as.matrix(Chem......ld)
set.seed(789)
split <- yield %>%......

建立模型

ctrl <- trainControl(......= ctrl)

查看模型

plsmod

image.png

image.png

绘制模型

plot(plsod)

image.png

模型摘要

summary(plslModel)

image.png

最优值:PLS模型中包含的主成分的最佳数量为5。这捕获了预测变量中的45.95%的变异性和结果变量(产量)中的73.37%的变异性。

曲线中的最低点表示最优值,即交叉验证中最小化误差的最佳值。我们可以提取此值:

plsmdesTune

image.png

  1. 预测测试集的响应。性能指标的值是多少,与训练集上重采样的性能指标相比如何?
predcti <- plmod %>% prict(xtet)
plot(preicions, col = ......lab = "", xlab="Oserved") 
abline(0,1, col'orage')

image.png

cbind(
  RMSE = RMSE(predic......, ytest)
)

image.png

得分较低的指标比重新采样的指标更好。

  1. 在您训练的模型中,哪些预测因子最重要?生物因子和工艺因子中哪个在列表中占主导地位?
vaIp(plmod)

image.png

plt(vrmp(psmd))

image.png

根据显示的图表和数值,似乎工艺因子在列表中占主导地位。

  1. 探索每个顶级预测因子与响应变量之间的关系。这些信息如何有助于改善未来制造过程的产量?

对于这个问题,我只会关注记录在制造过程和生物材料中的顶级预测因子。

Copy Code
cor(yield, Chemi......ss32)

image.png

Copy Code
cor(yield, Chemi......ial02)

image.png

如本问题的引言所述,生物材料被用于在加工前评估原材料的质量。如果结果良好,那么产品的产量可能会增加。从顶级的生物材料来看,我们可以看到它与反应变量有着积极但适中的相关性。

另一方面,制造过程可能是创建最终产品的步骤,这些步骤由一个评级来评估。我们也可以看到存在着积极但较低的相关性,这是有道理的。如果过程良好,那么产品就会出色。

相关文章
|
2月前
|
机器学习/深度学习 算法
R语言分类回归分析考研热现象分析与考研意愿价值变现
R语言分类回归分析考研热现象分析与考研意愿价值变现
|
2月前
|
机器学习/深度学习 数据采集 算法
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
|
2月前
|
数据可视化
数据代码分享|R语言lasso回归、贝叶斯分析员工满意度调查数据、缺失值填充
数据代码分享|R语言lasso回归、贝叶斯分析员工满意度调查数据、缺失值填充
|
2月前
R语言中缺失值的处理
R语言中缺失值的处理
14 0
|
2月前
|
机器学习/深度学习 数据可视化
R语言lasso协变量改进Logistic逻辑回归对特发性黄斑前膜因素交叉验证可视化分析
R语言lasso协变量改进Logistic逻辑回归对特发性黄斑前膜因素交叉验证可视化分析
|
2月前
|
机器学习/深度学习 数据可视化
R语言非线性回归和广义线性模型:泊松、伽马、逻辑回归、Beta回归分析机动车事故、小鼠感染、蛤蜊数据、补剂钠摄入数据|数据分享(下)
R语言非线性回归和广义线性模型:泊松、伽马、逻辑回归、Beta回归分析机动车事故、小鼠感染、蛤蜊数据、补剂钠摄入数据|数据分享
|
2月前
|
机器学习/深度学习
R语言非线性回归和广义线性模型:泊松、伽马、逻辑回归、Beta回归分析机动车事故、小鼠感染、蛤蜊数据、补剂钠摄入数据|数据分享(上)
R语言非线性回归和广义线性模型:泊松、伽马、逻辑回归、Beta回归分析机动车事故、小鼠感染、蛤蜊数据、补剂钠摄入数据|数据分享
|
2月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
2月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
|
2月前
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)

热门文章

最新文章