具有分类响应的 PLS下周需要为对具有分类（二项式）响应的 PLS 感兴趣的客户进行 JMP Pro 演示。有没有人有一个好的数据集来演示这个？到目前为止，我发现的所有 PLS 数据集都涉及数字响应。
谢谢，
标记
回复：具有分类响应的 PLS更新到这个线程。在建模分类响应时，我注意到 PLS 存在问题，其中保存到数据表的预测公式没有响应概率列属性。因此，无法在模型比较中将 PLS 模型与其他分类模型进行比较。这可能有一个特定的原因，但我还不知道它可能是什么。我将根据我从技术支持那里了解到的有关此问题的信息更新此线程。
回复：具有分类响应的 PLS很公平 ：）回复：具有分类响应的 PLSROC 曲线实际上包含您可以在错误分类率上看到的两种错误类型，只是表达方式不同。 ROC 曲线的形状允许您确定哪种错误类型（如果有的话）是“更好”的错误。
错误分类的问题是错误分类不是很敏感。 换句话说，它没有考虑事件的概率。 考虑两个模型：模型 1 和模型 2。 对于给定条件，模型 1 预测事件发生的概率为 95%，而模型 2 预测为 55%。 在这种情况下，两个模型都会以相同的方式对该观察进行分类，但一个模型比另一个模型更“确定”结果。 AICc 和 BIC 等信息标准是更敏感的模型指标。
我并不是说我不会使用错误分类，但是具有相同错误分类率的两个模型不一定相等。
回复：具有分类响应的 PLS只是另一种观点：我知道 ROC 曲线是比较模型的好方法。 然而，对于二项式响应，我更喜欢查看错误分类率，尤其是错误分布到错误 1 和错误 2 的均匀程度。 为什么？我相信，一个模型可以完美地预测一个水平而另一个几乎是因为或多或少的罕见事件，它可能看起来仍然比单独看 ROC 曲线的另一个模型更好，我相信（@statisticians，如果我错了，请纠正我，我只是一个数学家
）。
也就是说，您会得到一个模型，该模型只是说所有预测都产生一个级别，并且只得到一些错误 1 预测。 可能有一个模型可以在绝对意义上预测更多错误，但他们预测两个级别都不错。 这个模型可能不如 ROC 曲线中的其他模型或者纯误分类率那么好，但我仍然会选择它，因为它可能更接近现实。
回复：具有分类响应的 PLS@Dan_Obermiller
我同意您的观点，但问题是如果他们必须编写自定义脚本来执行此操作，那么除了 Python 之外，它并没有提供采用 JMP Pro 的令人信服的理由。
我目前正在将判别平台视为一个潜在的选择，它具有客户习惯看到的 ROC 诊断，但试图了解它与 Fit Model 中的 PLS 平台之间的优缺点。 增加额外的复杂性，客户还希望包括判别式不支持但 PLS-DA 支持的交叉术语。 钱币...
回复：具有分类响应的 PLS当然你可以用 Python 来做，因为它是一种编程语言。 出于同样的原因，您可以通过脚本在 JMP 中执行此操作。 好吧，既然我已经摆脱了我的“恶作剧”......
我希望您可以保存 PLS-DA 中的预测公式，并通过模型比较平台获得 ROC 曲线。 不幸的是，PLS-DA 预测公式的格式似乎不适用于模型比较平台。 看起来 ROC 曲线需要通过脚本来构建。
回复：具有分类响应的 PLS谢谢大家，很有帮助！ 客户（NeuroVision）也询问是否可以从 PLS 获得 ROC 诊断曲线？ 似乎这不是一个选项，但是否有一种方法可以做到这一点，以及为什么它不是 PLS w/分类响应的选项的原因是什么？显然他们正在使用 Python 来获得这种类型的结果，并希望 JMP Pro 做类似的事情。
回复：具有分类响应的 PLS实际上，对不起，我刚刚意识到数据集不是二项式的，有多个类别。回复：具有分类响应的 PLS示例库中的任何示例判别分析数据集也可以使用。
“猫头鹰饮食”数据集易于理解并通过 PLS-DA 的概念进行工作。
回复：具有分类响应的 PLS我希望我曾参与编写 PSL 书，但它纯粹是 Marie Gaudard 和 Ian Cox 的产物。回复：具有分类响应的 PLS想知道是否有人可以帮助我解释 PLS 与 Gen Reg 的应用程序（通过验证）？为什么要使用 PLS 而不是 Gen Reg？或相反亦然？
回复：具有分类响应的 PLS请记得提及 Mia 和 Ian 撰写的关于使用 JMP 进行 PLS 的优秀书籍！
回复：具有分类响应的 PLS嗨，马克，
只需添加一个我从科学/工程行业情况中使用的示例。
这是来自法医分析化学实验室。 公司的品牌产品销往世界各地。 有时仿冒产品作为他们的产品出售。 当他们有客户投诉时，他们需要快速确定这是他们的产品还是仿制品。 传统上，这是通过在几天内使用许多不同的化学测试来测试样品来完成的。 这会花费大量的实验室时间，并且意味着客户问题需要很长时间才能解决。
解决方案是对生成大量数据的快速化学分析使用数据分析。
在附件中，RT 柱代表色谱图中不同保留时间的峰面积。 每个峰是不同的化学实体。 面积与样本中该实体的数量成正比。
我展示了不同的视觉和建模技术如何让您了解 3 个来源之间的差异，以及您如何确定未知来源的来源。 PLS 将是其中一种选择。
希望有帮助。
菲尔
回复：具有分类响应的 PLS随附的 zip 文件是比较 PCA 和 PLS 的期刊。 其中有一个具有分类响应的 Amour Tiger 数据集。
涉及一些描述和一些其他示例。 我想这应该有助于你正在寻找什么。 您必须检查 JMP 15 中是否所有工作，因为我没有检查它。因为一段时间以来
