PCAを介して独立変数を選択する方法は？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />こんにちは、みんな、
予測モデルを開発するには、使用する変数を正確にフィルタリングする必要があります。 具体的には、相関のない変数を使用したいと思います。 これを行う効果的な方法の1つは、PCAを適用し、固有値>1.0を提供する変数を選択することです。 この例をJMPの例に適用すると（主成分レポート）、次に変数を1つだけ選択します。 私のデータでは、固有値が1.0より大きい変数の数は9です。 したがって、私は間違いなく、必要な変数の数を知っています。 私にはわからないのは、識別JMPレポートのこれらの変数。 ここでも、JMPの例を使用します（主成分レポート）、4.7850のEgeinvalueを提供する変数（6つのうち）を特定するにはどうすればよいですか？
ありがとう、
デビッド
Re：PCAを介して独立変数を選択する方法は？はい、その通りです。
元の属性から属性のセットを選択できると思っていましたが、PCAでは（元の属性を使用して）新しい属性を作成できます。
トピックは閉じられています。 サポートありがとうございます！
ダビデ
Re：PCAを介して独立変数を選択する方法は？デビッド、
固有ベクトルをお探しですか？それらはJMP（赤い三角形の下）で利用できます。PCAは、各PCがすべての変数の組み合わせである「次元削減」手法であることを忘れないでください。
Peterは、変数選択に代替方法を使用することについて良い点を述べています。
カレン
Re：PCAを介して独立変数を選択する方法は？この方法ではおそらくかなりの量の情報が失われていますが、これにより、相互に「相関が最も少ない」3つの材料を引き出すことができるはずです。それらは確かに直交しません。あなたが望む答えを得るために、これ（ピーターが言っていることのようなもの）を組み立てるより良い方法があるでしょう。
*警告、これは純粋に構成されており、どのように聞こえるかわかりません。私の頭の中では、あなたが求めていると思うことを実行するのは理にかなっています。」
dt =開ける（（ "$ Sample_DATA \ Solubility.jmp" ）;
//すべての化学物質にわたって多変量解析を行います
mv =多変量（（
Y（
：名前（（ 「1-オクタノール」 ）、
：エーテル、
：クロロホルム、
：ベンゼン、
：四塩化炭素、
：ヘキサン
）、
推定方法（ 「行ごと」 ）、
マトリックスフォーマット（ "四角" ）、
散布図マトリックス（（
密度の省略記号（ 1 ）、
影付きの省略記号（ 0 ）、
楕円色（ 3 ）。
）。
）;
mv_r = mv <<報告;
//相関関係をデータテーブルにします
dt_corr = mv_r [ MatrixBox （（ 1 ）] <<データテーブルにする（）;
//すべての相関関係を合計します
dt_corr <<新しい列（（ 「総相関」 、 方式（
和（（
：名前（（ 「1-オクタノール」 ）、
：エーテル、
：クロロホルム、
：ベンゼン、
：四塩化炭素、
：ヘキサン
）。
））;
//最も低い3つは互いに「最も相関が少ない」
材料=：行<<値を取得;
mat =：TotalCorrelation <<値を取得;
トップ=ソート昇順（マット）[ 3 ]; //3番目に低い値を選択します
what_you_want_maybe=マテリアル[ loc （mat <= top）] //最も低い3つの総相関化学物質を取得します
戻り値：
{「1-オクタノール」、「エーテル」、「クロロホルム」}
Re：PCAを介して独立変数を選択する方法は？こんにちはピーター、
あなたのアプローチは、特定の予測モデルの使用を前提としています。 私のアプローチは、PCAを介して使用する変数をフィルタリングし、次に広範囲の予測モデルを使用することです。 そのため、フィルタリング（つまり、PCA）は、使用中の予測モデルから独立している必要があります。
あなたの答えから、私はあなたがここの専門家であると言うことができます。 あなたは私の質問に直接答えることができなかったので、私は差し引くでしょうJMPは固有値に「リンクされた」変数のリストを報告することができません。
とにかくありがとう、
デビッド
Re：PCAを介して独立変数を選択する方法は？David：
相関のない独立変数を見つけるための変数選択ツールとして独立変数のPCAを使用するのではなく、最終的に予測モデルを構築することに焦点を当てているので、通常の最小二乗法を使用することに焦点を当てると思います。スローされたアプローチでは、独立変数間の相関/共分散構造を活用して有用なモデルを提供する、より直接的な予測モデリングアプローチを使用することを検討しましたか？
私が恐れているのは、無相関の変数を使用するだけでは、実際にはそれを知らなくても、予測力をウィンドウの外に投げ出す可能性があるということです。 部分最小二乗法、およびJMP Proを使用している場合は、フィットモデル->一般化回帰パーソナリティのペナルティ付き回帰手順は、独立変数間の相関が疑わしいまたは明白な予測モデリングシナリオに合わせて調整されます。 ラッソとエラスティックネットの2つの手法には、さまざまな選択の側面があります。 これら2つのプラットフォームへのJMPオンラインドキュメントへのリンクは次のとおりです。
部分最小二乗モデル
一般化された回帰モデル
Re：PCAを介して独立変数を選択する方法は？残念ながら、それは私が探しているものではありません。 この例で、6つの変数のうち、最も相関の少ない3つの変数を特定する必要があるとします。 彼らはどちらですか？ クロロホルム、ベンゼン、ヘキサン？
Re：PCAを介して独立変数を選択する方法は？ホットボタンを使用すると、「主成分をデータテーブルに保存」できるはずです。次に、それらはPrin1、Prin2、Prin3などの名前になります...
この値は、6つの変数のうちの1つに実際には対応していません。これは次のような式です。
。
これがまさにあなたが求めていたものかどうかはわかりませんが、お役に立てば幸いです。
