Cómo extraer factores latentes en el modelo PLSR<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola a todos,
Estaba pasando por el ejemplo básico de báltico .jmp ( datos espectrales ) en el enlace " Ejemplo de mínimos cuadrados parciales ".
Después de seleccionar el número de factores en jmp y analizarlo, se generan varios informes. A mi entender, NÚMERO DE FACTORES LATENTES están relacionados con aquellas variables (de 27 en este ejemplo) que explican la mayor parte de la varianza. Si eso es cierto, entonces, cómo identificar las posiciones / nombres de esas variables (de v1 a v27 en este caso).
Saludos,
Kan.
Re: Cómo extraer factores latentes en el modelo PLSRGracias Ian y Peter por el consejo. En primer lugar, el PLSR se ha utilizado ampliamente en la selección de variables en la literatura. Por el momento, vale la pena probar lo que Ian sugirió, yendo con gráficos VIP y de coeficientes que también tienen sentido.
Re: Cómo extraer factores latentes en el modelo PLSRSolo para agregar un poco al sabio consejo de Ian ... mi experiencia desde un punto de vista práctico es, si puedo, hacer un seguimiento de cualquier análisis relacionado con PLS donde el enfoque está en la identificación de variables, con experimentos diseñados para aportar más credibilidad al relaciones causa / efecto que puede estar buscando.
Re: Cómo extraer factores latentes en el modelo PLSRDado que PLS es un enfoque multivariado que se basa en última instancia en correlaciones entre las variables, hay cierto debate sobre cómo, o incluso si, debería usarse para la selección de variables (pinchando un 'subconjunto activo' de v1 a v27 en este caso). En PLS, cada variable X desempeña un doble papel (tanto para la reducción de la dimensionalidad como para la regresión), y las gráficas 'VIP vs coeficientes' muestran esto. Entonces, si quiere probar lo que sugiere, este podría ser un lugar razonable para comenzar.
Hay muchos mas detalles aquí , o en otros libros sobre PLS.
