针对 1 个响应的 86 种效果拟合模型预测刻画器大家好，我正在尝试为 86 个组件生成一个预测分析器，以了解其对 1 个响应“IVCC”的影响。 我使用了“分析”菜单中的“拟合模型”工具，文件中有 1 个响应是 IVCC，86 个响应范围从“甘氨酸”到“维生素 D12”。 分析窗口中生成的预测刻画器和合意性最大化能够输出预测响应的值，但不会生成预测曲线。 有人对如何更好地分析这些数据有想法吗？ 我的最终目标是确定最大化“IVCC”的 86 个组件中的每一个的值。 谢谢你！
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器伟大的谈话。
我同意朱利安的观点。 广义回归技术（下面的链接）解决了与包含比观测值更多的变量的数据集相关的挑战。
( https://www.jmp.com/support/help/14-2/generalized-regression.shtml )
JMP Pro 中提供了其中两种技术，Lasso 和 Elastic Net，作为建模过程的一部分执行变量选择。
祝你快乐广义的使用 JMP Pro 进行回归
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器就变量选择方法而言，PLS 和树方法做得很好。 如果您碰巧可以访问 JMP Pro，还有其他一些使用广义回归的非常好的选择。
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器您好 Byron_JMP，非常感谢您为我指明了正确的方向！
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器谢谢朱利安的帮助！ 你的洞察力对诊断我的情况很有帮助。 我也会尝试使用偏最小二乘法和变量选择。 谢谢你！回复：针对 1 个响应的 86 种效果拟合模型预测刻画器您好 statman，感谢您的帮助！ 86 个分量是输入变量，很抱歉造成混淆。 我会尝试筛选最重要的，看看是否能缓解问题——非常感谢！回复：针对 1 个响应的 86 种效果拟合模型预测刻画器感谢 markbailey 的回复！ 理想情况下，86 种效果是必需的。 我会尝试调整比例，谢谢你的提示。 我很感激你的建议！回复：针对 1 个响应的 86 种效果拟合模型预测刻画器我喜欢@朱利安的回答，这是一个很好的方法。
我可能会使用 Analyze>Screening>Predictor Screening 来缩小良好候选参数列表的范围。 只有几行数据，多次运行该平台以查看是否获得一组稳定的预测变量可能是个好主意。 当响应主要是噪声时，预测变量集在运行之间将相当随机。
或者，分区平台（一次一棵树）也是处理您响应的关键驱动因素的好方法。
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器你好@乔恩雷德,
您似乎没有在预测刻画器中看到预期的结果，因为您的模型要估计的参数多于可用的自由度。 拟合模型报告顶部的“奇点详细信息”部分表明了这一点。
换句话说，要拟合您想要的复杂模型（估计 86 个变量的影响，加上模型截距），您将需要超过 15 行数据。
另一种方法是使用一个模型，该模型可以容忍数据少于您希望使用的变量数量（例如偏最小二乘法), 或者进行变量选择以减少 X 的变量集。
我希望这有帮助！
@朱利安
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器对不起，我对你的帖子有点困惑。 86 个分量是输入变量 (x's) 还是响应变量 (y's)？
“86 个组件对 1 个响应“IVCC”的影响”建议他们是 x's，但是“ 1 个响应是 IVCC，86 个响应范围...”表明它们是 Y。 如果你有那么多 Y，我会先看看哪些是相关的（多变量方法>多变量）。 如果它们是 x，基于效果稀缺性原则，我将首先筛选 86 个组件以确定哪些是最重要的（这些只是第一个顺序效应？）。 有很多方法可以做到这一点（我将从假设开始）。 一旦确定了重要因素，您的预测公式就会有用。 我认为同时控制/管理 86 个变量几乎是不可能的（想想每个 x 的相关测量误差）。
回复：针对 1 个响应的 86 种效果拟合模型预测刻画器选择模型后，预测刻画器最为有用。 模型需要 86 个特征吗？
此外，自动缩放响应轴的算法非常好，但并非万无一失。 您可能需要更改比例才能查看配置文件，尤其是在最大化合意性之后。
