關於PCA的問題你好，
我想知道如何決定和確定PCA過程的連續變量。
我用大約80個變量來分析房屋銷售價格，並且有太多的連續變量，風靡一時。所以我想減少簡潔模型的數值變量集，但我不知道應該為PCA應用哪些變量。
請幫我解決這個問題。該文件附在下面。
謝謝。
回复：關於PCA的問題主成分分析不是一種建模方法，而是一種探索性數據分析方法，其目標是可變減少。PCA檢查一組變量中存在的相關結構的各個方面。如果預測模型的變量識別是您的主要目標，那麼從JMP或JMP Pro Fit Model平台開始就是您想要工作的地方。從良好的老式普通最小二乘（在JMP中稱為標準最小二乘法）到逐步的一般線性模型，到三個名稱，支持多種建模個性。分區平台提供了另一種建模方法，該方法也可用於變量識別。如果您正在運行JMP Pro，廣義回歸平台的懲罰回歸方法是為預測建模量身定制的，其中變量識別是主要目標。此外，您還可以在JMP Pro中獲得各種靈活的模型交叉驗證結構。最後，JMP Pro模型比較和Formula Depot平台非常適合比較多個模型的性能，如果需要，還可以將模型導出為SQL，C或SAS等替代編碼格式。
回复：關於PCA的問題謝謝你的回复。
我想首先了解重要變量是什麼，然後運行
用這些變量回歸來預測未來的房屋銷售價格。也，
我想用所有變量運行回歸，然後比較
回歸的結果，以獲得應該更簡單的最佳模式
最後的錯誤最少。
回复：關於PCA的問題這是一個有趣的數據集。你有許多分類描述符，其中一些可以被認為是連續的。例如，可以使用緯度和經度給出位置。
PCA是您需要的技術嗎？數字的個體分佈會嚴重影響PCA分析的結果。
您是在嘗試預測未來房價還是了解重要變量是什麼？簡單的分區分析給出了廣義回歸的類似結果。價格變化的90％可以使用4個變量來描述，所有這些變量都是數字變量，但只有兩個變量是連續的。
