PCAに関する質問こんにちは、
PCAプロセスの連続変数をどのように決定し決定するか疑問に思います。
私は約80の変数で住宅販売価格を分析しています、そして広い範囲であまりにも多くの連続的な変数があります。だから私は簡潔なモデルのための数値変数のセットを減らしたいのですが、私はどの変数をPCAに適用すべきかわかりません。
これを理解するのを手伝ってください。ファイルは以下に添付されています。
ありがとうございました。
再：PCAに関する質問主成分分析は、モデリング手法ではなく、変数削減を目的とした探索的データ解析手法と見なされます。PCAは、変数のグループ内に存在する相関構造のさまざまな側面を調べます。予測モデルの変数識別が主要な目的である場合は、JMPまたはJMP Pro Fit Modelプラットフォームで作業を始めることが重要です。そこには、古き良き普通の最小二乗法（JMPで標準最小二乗法と呼ぶ）から、段階的な一般線形モデルまで、さまざまなモデリングパーソナリティがあります。パーティションプラットフォームは、変数の識別にも役立つ可能性がある代替のモデリング方法を提供します。JMP Proを実行している場合は、一般化回帰プラットフォームのペナルティ付き回帰メソッドは、変数の識別が主な目的である予測モデリングに適しています。さらに、JMP Proには、さまざまな種類の柔軟なモデル相互検証構造があります。最後に、JMP Proモデル比較およびFormula Depotプラットフォームは、複数のモデルのパフォーマンスを比較し、必要に応じてSQL、C、またはSASなどの代替コーディング形式にモデルをエクスポートするのに最適です。
再：PCAに関する質問回答いただきありがとうございます。
まず重要な変数が何であるかを理解してから実行します
将来の住宅販売価格を予測するためのこれらの変数による回帰分析。また、
すべての変数を使って回帰を実行してから、を比較します。
より単純であるべき最良のモードを得るための回帰の結果
最後のエラーが最も少ない。
再：PCAに関する質問それは興味深いデータセットです。あなたは多くのカテゴリカル記述子を持っていますが、そのうちのいくつかは継続的と見なすことができます。たとえば、緯度と経度を使用して場所を指定できます。
PCAはあなたが必要とする技術ですか？数値の個々の分布は、PCA分析の結果に大きな影響を及ぼす可能性があります。
あなたは将来の住宅価格を予測しようとしているのか、あるいは重要な変数が何であるかを理解しようとしていますか？単純なパーティション分析では、一般化回帰と同様の結果が得られます。価格の変動の90％は、4つの変数を使用して説明できます。それらはすべて数値ですが、そのうち2つだけが連続しています。
