具有SVD和多個類別預測變量的“廣泛” PLS我有一個92,000列（基因）x 12行（樣本）表，並且想使用PLS來建模治療效果。 但是，我的治療方法（起源部位和溫度）是絕對的。 如果我使用判別分析，則一次只能測試一個。 如果在Fit Model平台下使用PLS，則可以建立完整的因子預測器模型，但沒有SVD（大概），因此分析會崩潰。 在任何類似PLS的平台中，是否有類似於SVD的判別分析？ 或者，在判別分析中是否可以有多個預測變量（X）？ 我附了桌子。 理想情況下，我會將所有92,960個基因作為Y，並將起點，溫度及其相互作用作為預測因子（3個術語）。 也許我的計算機太舊了（帶有1.7 Ghz處理器的8 GB RAM）！ 我想知道JMP Genomics是否只能實現我想做的事情（令人討厭的是，邁阿密大學甚至在我na之後也拒絕購買！）。
分析工具回复：帶有SVD和多個類別預測變量的“廣泛” PLS您的選擇之一可能是懲罰性回歸方法之一？ 他們不使用SVD，但是從不同的分析角度來看，存在變量減少的問題……而不是歸因於PLS的降維。 您的計算機可能仍然掛起，因為在後台會“適合”使用的型號數量眾多...但是值得一試嗎？
回复：帶有SVD和多個類別預測變量的“廣泛” PLS好主意。 我現在正在嘗試（此時“掛”了1個小時）。 即使我複制了您的癌症微陣列輸出，也就是〜11,000列x 230行（使用偏最小二乘：當普通最小二乘回歸法不起作用時），但判別分析仍然存在困難，但這還不錯（1-2分鐘），而且該研究還有更多的主題。 也許如果我可以剔除那些（可能是大多數）基因，而樣本間基本沒有差異（也許使用響應篩選或預測變量篩選），那麼我只能使用“信息性”基因重試PLS或Gen-reg，因為我猜你可以爭論為什麼要在這種分析中包括一個沒有變異的基因（例如管家基因）？
