PCA分開兩個結果你好，
對於一組患者，我有一個二進制結果，並且有一長串測量的變量（即潛在的預測因素/特徵）。 我可以整套進行PCA，也可以分別進行每組PCA（分別是陽性患者和陰性患者）。 但是，我真正想要的是以下幾點：什麼是最能使正面與負面區分開的兩個主要成分？ 我對判別分析進行了一些處理，但距離還不太遠，歡迎您提供任何幫助或建議。
謝謝！
尤里爾
分析工具回复：PCA將兩個結果分開你好，
如果您需要過濾/關注哪些變量與分類最相關，您是否考慮過判別分析平台或響應篩選平台。
最好，
TS回复：PCA將兩個結果分開你好@utkcito ，
PCA可能不是適合您的工具。 由於您具有二進制結果（開/關，1/0，死/活），因此聽起來更像是邏輯回歸問題，就像JMP樣本數據中的“泰坦尼克號倖存者”示例一樣。 PCA的目的不一定是預測結果，即分離出0/1個結果。 使用決策樹，神經網絡或其他基於樹的方法（例如XGBoost）可能會更好。 您甚至可以嘗試使用支持向量機。 這些選項中的許多選項取決於您擁有的JMP版本（例如Pro或Standard）。
PCA的確旨在找到一組線性獨立的矢量（預測變量數據集，您不會向其提供響應數據），從而最大化變化性數據沿一組正交的主成分進行解釋。 您可以在JMP幫助中閱讀這裡。 主成分不一定是區分陽性/陰性的良好預測指標。 這可能更適合SVM平台。 如果沒有Pro，則可能要嘗試使用分區決策樹方法或神經網絡。
另一件事：根據您擁有多少行，您可能需要生成一個在結果列上分層的驗證列，並將其用於模型驗證。 您還可以考慮添加一個空因子列（請參閱JMP的自動驗證加載項），以查看可能的預測變量集在模型中實際出現的頻率是否比完全隨機和正交的空因子高。
希望這可以幫助。
祝你好運！，
DS
回复：PCA將兩個結果分開TS和DS，您好！
我不是在尋找PCA的預測指標。 我想刻畫，描述。 我認為判別分析應該在寬線性方法下進行，因為它顯示了主要成分，但是找不到其生成的主要成分的詳細信息來評估是否確實如此。
烏里爾
回复：PCA將兩個結果分開您可以考慮使用PLS-DA而不是PCA。 PLS確保第一個組件與目標中的變化最大有關，換句話說，對於單個Y，您應該始終在組件1和2的得分圖中看到最佳分離。然後，您可以查看載荷，VIP係數或使用您在PCA中慣用的方法來評估變量的重要性。
您可以使用以下設備的PLS個性啟動PLS-DA：擬合模型平台，或通過創建創建變量（取決於類別）為1或0，然後將其包括在PLS平台。
