具有SVD和多个类别预测变量的“广泛” PLS我有一个92,000列（基因）x 12行（样本）表，并且想使用PLS来建模治疗效果。 但是，我的治疗方法（起源部位和温度）是绝对的。 如果我使用判别分析，则一次只能测试一个。 如果在Fit Model平台下使用PLS，则可以建立完整的因子预测器模型，但没有SVD（大概），因此分析会崩溃。 在任何类似PLS的平台中，是否有类似于SVD的判别分析？ 或者，在判别分析中是否可以有多个预测变量（X）？ 我附了桌子。 理想情况下，我会将所有92,960个基因作为Y，并将起点，温度及其相互作用作为预测因子（3个术语）。 也许我的计算机太旧了（带有1.7 Ghz处理器的8 GB RAM）！ 我想知道JMP Genomics是否只能实现我想做的事情（令人讨厌的是，迈阿密大学甚至在我na之后也拒绝购买！）。
分析工具回复：带有SVD和多个类别预测变量的“广泛” PLS您的选择之一可能是惩罚性回归方法之一？ 他们不使用SVD，但是从不同的分析角度来看，存在变量减少的问题……而不是归因于PLS的降维。 您的计算机可能仍然挂起，因为在后台会“适合”使用的型号数量众多...但是值得一试吗？
回复：带有SVD和多个类别预测变量的“广泛” PLS好主意。 我现在正在尝试（此时“挂”了1个小时）。 即使我复制了您的癌症微阵列输出，也就是〜11,000列x 230行（使用偏最小二乘：当普通最小二乘回归法不起作用时），但判别式分析有待解决，但这还不错（1-2分钟），并且该研究还有更多的主题。 也许如果我可以剔除那些（可能是大多数）基因，而样本间基本没有差异（也许使用响应筛选或预测变量筛选），那么我只能使用“信息性”基因重试PLS或Gen-reg，因为我猜你可以争论为什么要在这种分析中包括一个没有变异的基因（例如管家基因）？
