以原理成分或功能原理成分作為協變量的自定義 DOE？我用主成分和功能主成分作為協變量構建了自定義 DOE，並且兩者都得到了等效的好模型。 FDE 確實是一個出色的工具，但是使用功能原理組件而不是常規 PC 來設置協變量自定義 DOE 是否有好處？ 兩者是等價的嗎？
回复：使用原理組件或功能原理組件作為協變量的自定義 DOE？謝謝菲爾，這很清楚！ 這個 FDE 工具是一個偉大的突破！
回复：使用原理組件或功能原理組件作為協變量的自定義 DOE？謝謝， @frankderuyck . 那講得通。
是的，如果您的功能數據的所有觀察結果都在 X 維度（時間或波數）上對齊，那麼您可以使用常規 PCA 或功能 PCA，我希望您能獲得同樣好的模型擬合。
但是，使用 FDE 可能有一個優勢，因為您最終可以找到哪些功能 PC 與您的 DoE 響應相關，然後可視化給定響應值的函數形狀，例如最佳或最差情況。
我認為與常規 PCA 相比，使用 FDE 進行解釋可能有優勢。
如果功能數據沒有在 X 維度上對齊的觀察值，您將無法使用常規 PCA，除非您做大量工作以通過插值創建對齊的觀察值。
回复：使用原理組件或功能原理組件作為協變量的自定義 DOE？Phil，我的案例是關於通過光譜預測混合物中的成分濃度。 光譜是與不同混合樣本相關的函數，我想在這種情況下可以同時使用 PCA 和 FPCA？ 如果我理解得很好，如果函數不相關，例如過程時間序列，那麼我們 FPCA 會更好嗎？
回复：使用原理組件或功能原理組件作為協變量的自定義 DOE？你好，
如果您能多說一些您的實際示例，那就太好了。 您使用功能和普通 PC 來描述什麼？
提供示例非常困難。 但在某些情況下，常規 PCA 對匯總協變量沒有用。 例如，如果協變量是傳感器的時間序列，通過過程記錄每個批次的變量，並且採樣在時間維度上是不規則的。
問候，
菲爾回复：使用原理組件或功能原理組件作為協變量的自定義 DOE？嗨菲爾，你能舉例說明你的答案嗎？
回复：使用原理組件或功能原理組件作為協變量的自定義 DOE？你好@frankderuyck ,
這聽起來像是 Functional Data Explorer 的一個非常有趣的應用程序。
你的問題：
“......使用功能原理組件而不是常規 PC 來設置協變量自定義 DOE 是否有好處？ 兩者是等價的嗎？”
我認為這在很大程度上取決於主要成分（常規和功能性）的作用。
問候，
菲爾
