如何通過 PCA 選擇自變量？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，
為了開發預測模型，我需要準確過濾要使用的變量。 具體來說，我想使用不相關的變量。 一種有效的方法是應用 PCA 並選擇特徵值 > 1.0 的變量。 如果我將此示例應用於 JMP 示例（主成分報告)，那麼我將只選擇 1 個變量。 在我的數據中，特徵值 > 1.0 的變量數為 9。 因此，我毫無疑問地知道我想要多少變量。 我不清楚的是如何確認JMP 報告中的這些變量。 如果我再次使用 JMP 示例（主成分報告)，我如何識別提供 4.7850 的 Egeinvalue 的變量（在六個變量中）？
謝謝，
大衛
Re: 如何通過 PCA 選擇自變量？是的你是對的。
我在想我能夠在原始屬性中選擇一組屬性，而使用 PCA 我可以創建新屬性（通過使用原始屬性）。
話題已關閉。 非常感謝您的支持！
戴維德
Re: 如何通過 PCA 選擇自變量？大衛，
你在尋找特徵向量嗎？它們在 JMP 中可用（在紅色三角形下方）。請記住，PCA 是一種“降維”技術，每個 PC 都是所有變量的組合。
彼得確實對使用替代方法進行變量選擇提出了很好的觀點。
凱倫
Re: 如何通過 PCA 選擇自變量？您可能會從這種方法中丟失大量信息，但這應該能夠提取出彼此之間“相關性最低”的 3 種材料。它們肯定不會是正交的。為了得到你想要的答案，可能有更好的方法來構建這個（就像彼得所說的那樣）。
*警告，這純粹是編造的，我不知道它有多好。在我的腦海中，它可以滿足我認為你的要求是有道理的”
dt =打開( "$Sample_DATA\溶解度.jmp" );
//對所有化學品進行多元分析
mv =多變量(
Y(
：姓名( “1-辛醇” ),
：醚，
:氯仿,
：苯，
：四氯化碳，
:己烷
),
估計方法（ “逐行” ),
矩陣格式（ “正方形” ),
散點圖矩陣(
密度橢圓（ 1 ),
陰影橢圓（ 0 ),
橢圓顏色（ 3 )
)
);
mv_r = mv <<報告;
//將相關性製作成數據表
dt_corr = mv_r [矩陣盒( 1 )]<<製作成數據表();
//總結所有相關性
dt_corr <<新列( “總相關” ， 公式（
和(
：姓名( “1-辛醇” ),
：醚，
:氯仿,
：苯，
：四氯化碳，
:己烷
)
));
//最低的三個是彼此“最不相關”的
材料=：行<<獲取值;
墊=：總相關<<獲取值;
頂部 =升序（墊）[ 3 ]; //選擇第三低的值
what_you_want_maybe = 材料[位置（墊<=頂部）] //獲取總相關性最低的 3 種化學物質
回報：
{“1-辛醇”、“乙醚”、“氯仿”}
Re: 如何通過 PCA 選擇自變量？嗨，彼得，
您的方法假定使用特定的預測模型。 我的方法是通過 PCA 過濾要使用的變量，然後使用大量的預測模型。 因此，過濾（即PCA）應該獨立於使用的預測模型。
從您的回答中，我可以告訴您您是這裡的專家。 因為您無法直接回答我的問題，所以我將推斷 JMP 無法報告“鏈接”到特徵值的變量列表。
不管怎麼說，還是要謝謝你，
大衛
Re: 如何通過 PCA 選擇自變量？大衛：
由於您的重點是最終建立一個預測模型，而不是在自變量上使用 PCA 作為查找不相關自變量的變量選擇工具，那麼我假設您將專注於使用普通最小二乘法，可能是逐步的引入的方法，您是否考慮過使用更直接的預測建模方法，該方法利用自變量之間的相關/協方差結構為您提供有用的模型？
我擔心的是，如果您只使用不相關的變量，您可能會在不知道的情況下將一些預測能力扔出窗外。 偏最小二乘法，如果您有 JMP Pro，擬合模型 -> 廣義回歸特性中的懲罰回歸過程是為預測建模場景量身定制的，其中自變量之間的相關性是可疑或明顯的。 Lasso 和 Elastic Net 這兩種技術的使用具有可變的選擇方面。 以下是這兩個平台的 JMP 在線文檔的幾個鏈接：
偏最小二乘模型
廣義回歸模型
Re: 如何通過 PCA 選擇自變量？不幸的是，這不是我要找的。 假設在示例中，我需要在 6 個變量中識別出 3 個最小（交叉）相關變量。 他們是誰？ 氯仿、苯和己烷？
Re: 如何通過 PCA 選擇自變量？如果您使用熱鍵，您應該能夠將“主成分”保存到數據表中。然後它們將被命名為 Prin1、Prin2、Prin3 等......
該值並不真正對應於六個變量中的 1 個。這是一個看起來像這樣的公式：
.
我不確定這正是您要問的，但我希望它有所幫助。
