你好，
最好输入一种方法来自动识别可以区分双变量响应的参数，如下面的示例图中所示。 数据集具有约20k的数字连续列和一个字符响应列。 响应列中包含字母A或B的条目。
目标是确定可以识别许多类别B而又不识别任何类别B的参数。
在视觉上，我确定了2个特定参数，这些参数可以识别大多数类别B，而无需识别任何类别A。 它可以用直线区分它们。 分区效果不佳，因为对于两个参数中的每一个，类别B都在类别A的分布内。
jmp / jsl中自动执行此识别的最佳方法是什么？
感谢您的时间和帮助。 - C
请参阅随附的脚本，
它生成具有连续x和双变量响应的表。
有一些用于虚拟化和建模的脚本。
您可以尝试进行响应筛选，并使用拟合模型来查找相关变量。
由于有20K列，因此可以选择连续x的PCA（可变归约技术）。
在此示例中，没有任何结果，因为所有x都是独立的（随机法线）。
Names Default To Here( 1 );
cdt = New Table( "data", New Column( "response", Character ) );
cdt << add rows( 100 );
For( i = 1, i <= 10, i++,
cdt << New Column( "col" || Char( i ), Continuous, set each value( Random Normal( i, 1 ) ) )
);
cdt:response << set formula( If( :col5 < 4 & :col6 < 5, "B", "A" ) );
cdt <<
Add Properties to Table(
{New Script(
"col6 vs. col5",
Graph Builder(
Variables( X( :col5 ), Y( :col6 ), Overlay( :response ) ),
Elements( Points( X, Y, Legend( 13 ) ), Smoother( X, Y, Legend( 14 ) ) )
)
), New Script(
"Scatterplot Matrix",
Scatterplot Matrix(
Y(
:response,
:col1,
:col2,
:col3,
:col4,
:col5,
:col6,
:col7,
:col8,
:col9,
:col10
),
Matrix Format( "Lower Triangular" )
)
), New Script(
"Response Screening of response",
Response Screening(
Y( :response ),
X(
:col1,
:col2,
:col3,
:col4,
:col5,
:col6,
:col7,
:col8,
:col9,
:col10
)
)
), New Script(
"Fit Nominal Logistic",
Fit Model(
Y( :response ),
Effects(
:col1,
:col2,
:col3,
:col4,
:col5,
:col6,
:col7,
:col8,
:col9,
:col10
),
Personality( "Nominal Logistic" ),
Run( Likelihood Ratio Tests( 1 ), Wald Tests( 0 ) )
)
), New Script(
"Principal Components",
Principal Components(
Y(
:col1,
:col2,
:col3,
:col4,
:col5,
:col6,
:col7,
:col8,
:col9,
:col10
),
Estimation Method( "Default" ),
"on Correlations"
)
)}
);此外，预测变量筛选和判别分析也可以提供您想要的结果。
对于许多数据，从一小部分开始测试不同的方法可能是一个不错的选择。
您提前知道类别吗？ 还是根据散点图识别了它们？
您是否正在寻找一种在二维空间中区分两个群集的方法？
