JMP PCA 資料幫助！我是在 JMP 中進行 PCA 的新手。 不過，使用它似乎相當簡單。 然而，當我上傳自己的數據時，問題就開始了。 我正在做 3D GM，所以每個地標（總共 36 個）都有一個 X、Y 和 Z 座標。 在簡單的 txt 或 Excel 表格中，每個樣本的資料被轉換為 3 列（X、Y 和 Z 列）和 36 行（每個地標一行）。
看來在 JMP 中我必須轉換我的資料 - 因此每個樣本將是具有 108 列的單行（X1、Y1、Z1、X2、Y2、Z2 等） - 否則它將作為具有單一X、Y 和Z 座標的樣本。 正確的？ 其次，我的一些地標缺失了，而且不是每個標本中都缺失了「地標8」那麼簡單。 我知道估計缺失資料等的優點、缺點和論點，但我不想這樣做。 在 RI 中，簡單地使用“NA”來表示缺少的數據，但 JMP 似乎不喜歡組合數字/值/符號。 它似乎也不像用 - 代替丟失的數據，也不像空字段。 非常感謝任何幫助或建議！
回覆：JMP PCA 數據幫助！我認為這基本上取決於你的數據集......：
透過JMP幫助手冊我們可以讀到：
MNI 根據多元常態分佈估算缺失值。 該過程要求所有變數都具有連續建模類型。 此演算法使用最小二乘插補。 協方差矩陣是使用成對協方差建構的。 對角線條目（方差）是使用每個變數的所有非缺失值計算的。 任兩個變數的非對角線條目是使用兩個變數的所有非缺失觀測值來計算的。 在協方差矩陣為奇異的情況下，演算法使用基於 Moore-Penrose 偽逆的最小範數最小平方法插補。
多元常態插補允許選擇對協方差使用收縮估計器。 使用收縮估計器是改進協方差矩陣估計的一種方法。
雖然 SVD 對於具有數百或數千個變數的資料很有用
由於 SVD 計算不需要計算協方差矩陣，因此建議對包含大量變數的廣泛問題使用 SVD 方法
有時我只是用平均值替換（使用 jsl 腳本）空單元格，如果列
再見
詹保羅
回覆：JMP PCA 數據幫助！驚人的！ 這正是我所需要的！ 太感謝了。 出於好奇 - 我一直在查閱辯論文獻但無濟於事 - 您選擇多元常態分佈與多元 SVD 相比是否有特殊原因？ 再次感謝大家的大力幫忙！
回覆：JMP PCA 數據幫助！嗨恐龍
我只是操縱了一點你的資料檔。我轉換了 Numerico/Continous 中的所有列，然後使用 JMP 功能對錶中的缺失值進行了插補：探索缺失值 --> 多變量常態插補。 之後就可以執行 PCA。
希望是您所需要的|（請檢查隨附的測試表jmp）
回覆：JMP PCA 數據幫助！感謝您的幫忙！ 我已附上工作資料集的 JMP 表（現已適當組織）。 所以，如果我理解正確的話，我對於丟失資料幾乎是 SOL 嗎？ 當我轉到“分析”>“多元方法”>“主成分”時，有一個可選擇列的框。 缺少資料的列在每個列標籤的左側有一個紅色長條圖圖標，而「完整」的列有一個藍色三角形圖標。 當我突出顯示所有列並將它們拖曳到 Y，列（表示需要數值）時，它僅「存放」藍色三角形列。 所以我認為這實際上只是選擇完整的列？ 作為測試，我開始用值替換一些缺少的條目（未複製，而是與所有其他條目長度相同的隨機值）。 奇怪的是，執行此操作並重新運行後，這些修改後的列仍然顯示為「不完整」。 那我錯過了什麼？ 我想我最大的問題是，我該如何處理遺失的資料？ 我不想估計缺失的數據，因為我正在比較相關物種之間的微小形狀變化，因此估計可能會使水變得渾濁。 由於它們關係密切且形態相似，因此「混合」它們就不太理想了...
回覆：JMP PCA 數據幫助！是的，PCA 期望每個觀察值或樣本都是單行。 查看所附的兩個表以及其中保存的腳本。 要從一種格式轉換為另一種格式，您需要了解“表>分割”和“表>堆疊”，它們本質上是逆運算（請查看“幫助”）。
JMP 將缺少的數值顯示為「.」。 如果您雙擊其中一個線狀單元格並刪除其內容，您應該會看到這一點。 但是（正如您所觀察到的），任何一列中的值必須具有相同的資料類型和建模類型。
