Comment extraire les facteurs latents dans le modèle PLSR<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Salut à tous,
Je passais par l’exemple de base de baltic .jmp ( données spectrales ) donné sur le lien " Exemple de moindres carrés partiels ".
Après avoir sélectionné et analysé le nombre de facteurs dans jmp, plusieurs rapports sont générés. Si je comprends bien, NOMBRE DE FACTEURS LATENTS sont liés à ces variables (sur 27 dans cet exemple) qui expliquent l'essentiel de la variance. Si tel est le cas, comment identifier les positions / noms de ces variables (de v1 à v27 dans ce cas).
Cordialement,
Khan.
Re: Comment extraire les facteurs latents dans le modèle PLSRMerci Ian et Peter pour le conseil. Tout d'abord, le PLSR a été largement utilisé dans la sélection de variables dans la littérature. Pour le moment, il vaut la peine d'essayer ce que Ian a suggéré, allant des parcelles VIP et Coefficient qui ont également un sens.
Re: Comment extraire les facteurs latents dans le modèle PLSRPour ajouter un peu au sage conseil de Ian ... Mon expérience pratique consiste à suivre, si je le peux, toute analyse liée au PLS où l’accent est mis sur l’identification variable, avec des expériences conçues pour donner plus de crédibilité à la relations de cause à effet que vous recherchez peut-être.
Re: Comment extraire les facteurs latents dans le modèle PLSRÉtant donné que PLS est une approche multivariée qui repose en fin de compte sur corrélations entre les variables, il existe un débat sur la manière, ou même si, de l'utiliser pour la sélection de variables (piquer un «sous-ensemble actif» de v1 à v27 dans ce cas). Dans PLS, chaque variable X joue un double rôle (à la fois pour la réduction de la dimensionnalité et pour la régression), comme le montrent les tracés 'VIP vs Coefficients'. Donc, si vous voulez essayer ce que vous suggérez, cela pourrait être un endroit raisonnable pour commencer.
Il y a beaucoup plus de détails ici , ou dans d'autres livres sur PLS.
