Vitenskapelige artikler m/referee

Regression of a data matrix on descriptors of both its rows and of its columns via latent variables: L-PLS.

 

En ny data analytisk metode presenteres for tolkning av forbruker-preferanse data Y i lys av både produktinformasjon X (sensorikk, kjemi, fysikk, design) og forbrukerinformasjon Z (demografi, preferansemønstre osv). Metoden, som her betegnes som "L-PLS Regresjon", har til hensikt å forenkle og stabilisere tolkningen av empiriske data Y i lys av bakgrunns-informasjon om både rekker og kolonner i Y. L-PLSR modellerer Y som produkt av latente variabler fra X og fra Z. Disse latente variablene trekker ut de underliggende mønstrene i X og Z som har kovarians med Y.

Nøkkeldata

Årstall 2003
Abstract A new approach is described, for extracting and visualising structures in a data matrix Y in light of additional information BOTH about the ROWS in Y, given in matrix X, AND about the COLUMNS in Y, given in matrix Z. The three matrices Z-Y-X may be envisioned as an “L-shape”; X(IK) and Z(JL) share no matrix size dimension, but are connected via Y(IJ). A few linear combinations (components) are extracted from X and from Z, and their interactions are used for the modelling of Y, as well as for bi-linear modelling of X and Z themselves. The components are defined by singular value decomposition (SVD) of X´YZ. Two versions of the L-PLSR are described – using one single SVD for all components, or component-wise SVDs after deflation. The method is applied to the analysis of consumer liking data Y of 6 products assessed by 125 persons, in light of 10 other product descriptors X and 15 other person descriptors Z. Its performance is also checked on artificial data.
Referanse Martens, H., Anderssen, E., Flatberg, A., Gidskehaug, L.H., Høy, M., Westad, F., Thybo, A., Martens, M. 2005. Regression of a data matrix on descriptors of both its rows and of its columns via latent variables: L-PLS. Computational Statistics and Data Analysis, Vol 48, pp 103-125.
Utgiver Computational Statistics and Data Analysis,

Relaterte personer