关于PCA的问题你好，
我想知道如何决定和确定PCA过程的连续变量。
我用大约80个变量来分析房屋销售价格，并且有太多的连续变量，风靡一时。所以我想减少简洁模型的数值变量集，但我不知道应该为PCA应用哪些变量。
请帮我解决这个问题。该文件附在下面。
谢谢。
回复：关于PCA的问题主成分分析不是一种建模方法，而是一种探索性数据分析方法，其目标是可变减少。PCA检查一组变量中存在的相关结构的各个方面。如果预测模型的变量识别是您的主要目标，那么从JMP或JMP Pro Fit Model平台开始就是您想要工作的地方。从良好的老式普通最小二乘（在JMP中称为标准最小二乘法）到逐步的一般线性模型，到三个名称，支持多种建模个性。分区平台提供了另一种建模方法，该方法也可用于变量识别。如果您正在运行JMP Pro，广义回归平台的惩罚回归方法是为预测建模量身定制的，其中变量识别是主要目标。此外，您还可以在JMP Pro中获得各种灵活的模型交叉验证结构。最后，JMP Pro模型比较和Formula Depot平台非常适合比较多个模型的性能，如果需要，还可以将模型导出为SQL，C或SAS等替代编码格式。
回复：关于PCA的问题谢谢你的回复。
我想首先了解重要变量是什么，然后运行
用这些变量回归来预测未来的房屋销售价格。也，
我想用所有变量运行回归，然后比较
回归的结果，以获得应该更简单的最佳模式
最后的错误最少。
回复：关于PCA的问题这是一个有趣的数据集。你有许多分类描述符，其中一些可以被认为是连续的。例如，可以使用纬度和经度给出位置。
PCA是您需要的技术吗？数字的个体分布会严重影响PCA分析的结果。
您是在尝试预测未来房价还是了解重要变量是什么？简单的分区分析给出了广义回归的类似结果。价格变化的90％可以使用4个变量来描述，所有这些变量都是数字变量，但只有两个变量是连续的。
