3D PCA 幫助也許是一個愚蠢的 PCA 問題：為了安全起見，我想比較不同程序之間的 PCA 圖形輸出。 以前，我會將每個地標的 x、y、z 空間點上傳到 R 中，運行 PCA，然後查看繪圖、分數等。但是當我重新運行相同的數據集時，我開始在 R 中得到一些奇怪的結果（母雞想要比較）。 當我在 JMP 中上傳 x、y、z 值並選擇分析 > 多元方法 > 主成分時，似乎只是將這些點視為正常值。 這些地標來自高度 3D 的對象，但在 JMP PCA 中，3D 圖形輸出幾乎將所有樣本都放在一個平面上。 （這看起來與 R 中完成的輸出有 100% 的不同）那麼，我可以將 PC 分數上傳到 JMP 並從那裡運行分析嗎？ （或者會以某種方式從已經的分數中生成新的分數嗎？）如果我缺少某些東西，或者有更好的選擇，我將非常感謝任何和所有建議/幫助。
回复：3D PCA 幫助好的，但在 Excel 表格中沒有意義的是為什麼每個樣本的 36 個 3D 地標（X1、Y1、Z1、X2、Y2、Z2 等）顯然都有一個主成分分數。 PCA 不是這樣工作的。
PCA主要用作變量縮減技術。 因此，您通常會將大量變量減少到少量 PC。 然後，您可以使用每台 PC 的分數作為觀察結果（或樣本）的簡單描述。
或者，您也可以使用 PCA 來了解變量之間的相關性。
我不確定這裡使用PCA的目的是什麼。
對不起！回复：3D PCA 幫助希望我能澄清一些事情。 每個樣本都有 36 個 3D 標誌（X1、Y1、Z1、X2、Y2、Z2 等）。 在我最初用來獲取空間坐標的程序（一個名為 Landmark 的程序）中，輸出是將整個數據集排列為 X、Y 和 Z 列，其中行構成地標。 當我最初嘗試上傳該形式的數據集時，JMP 將每一行（即每個地標）作為單獨的樣本讀取。 當我在之前的 JMP 社區帖子中尋求幫助時，建議將每個樣本及其所有 X、Y、Z 點轉換為單行（即 108 行低條目）。 然後我發現輸出 3D 圖形只是創建空間點的散點圖 - 例如，它實際上是在這些空間維度上繪製具有 3D 坐標 1,2,3 的地標和另一個具有 3,4,5 的地標，而不是電腦值。
因此，從那裡我從 R 中獲得的數據集中獲取 PC 值，並對它們進行“JMP 轉換”（構成樣本的行及其所有 PC 分數）。 儘管我手頭有物理樣本，但我想通過主成分分析來比較它們的空間關係。 這就是為什麼我認為執行我在之前的評論中提到的在 JMP 中查看 3D PCA 的步驟是可以的……但我想在走得太遠之前仔細檢查一下。
回复：3D PCA 幫助抱歉，我看不懂數據。 該數據集中似乎有 109 個變量（包括specimin）。 為什麼每個樣本有 36 個不同的 XYZ 值以及如何在 PCA 中使用這些變量在 PCA 分數選項卡中創建 109 個變量？ 事實上，最好回到基礎知識並詢問分析的目標是什麼以及您使用 PCA 的目的是什麼。回复：3D PCA 幫助謝謝菲爾。 對於 3D 圖，我想可視化主成分分數中的 x、y、z 坐標。 如果有助於澄清的話，我附上了一份 Excel 電子表格。 您將看到一個選項卡，其中只是每個樣本中每個地標的空間 x、y、z 坐標。 第二個選項卡是每個地標的 PC 分數。 我想要可視化從 PC 分數得出的 3D 空間關係，但我想確保創建圖表所遵循的步驟是正確的順序。
回复：3D PCA 幫助你好，
您能否澄清一些事情 - 在 3D 圖中，您是否試圖可視化 x、y、z、坐標或主成分分數？
我希望主成分分數位於一個平面上。 PCA 的一種思考方式是，它是一種降維技術。 這就是您在 JMP 的 PCA 的 3D 分數圖中看到的內容。 前 2 個主成分的“高度 3D”變化已減少為 2D 變化。
那有意義嗎？
如果您能夠分享您的數據，我很樂意查看您的數據。
乾杯，
菲爾
