偏最小二乘和VIP系数你好，
我想知道 VIP 与系数图表中的 VIP 是如何计算的。 我在哪里可以找到更多详细信息？
鲁
分析回复：偏最小二乘和 VIP 系数你好@鲁,
VIP 的默认值 0.8 与权重的加权平方和有关。 它不是一个百分比。 这是没有意义的，因为 VIP 因子可以大于 1，这意味着 >100% 的方差。 它是一个帮助用户判断一个变量在模型中是否重要的值。
至于 bootstrap forest 或 boosted trees 中的部分，更多的是 %。 如果变量的比例为 0.32，则该特定因素在 32% 的时间内进入决策树分析。 它没有解释 32% 的方差，这更像是 R^2 正在测量的东西。
至于这本书，它可能不再免费提供，但只需搜索书名和作者，我相信您会找到它。 至少，您可以从 SAS 或其他知名在线购物平台购买。
DS
回复：偏最小二乘和 VIP 系数亲爱的迪德里希
我在 sas.com 的在线 PLS 上找不到免费的 PDF。你能给我一个链接吗？
问候，
鲁回复：偏最小二乘和 VIP 系数谢谢迪德里希
这对我来说很清楚。
VIP 的默认值为 0.8（是否意味着 80% 的方差由该因子解释？）
您与 bootstrap forrest 的“部分”进行了比较。 部分的默认值也是 0.8 吗？
鲁
回复：偏最小二乘和 VIP 系数你好@鲁,
您可以阅读有关 PLS 的 JMP 帮助的更多信息这里. 此外，根据 Ian Cox 和 Marie Gaudard 的 JMP 在线书籍，Discovering Partial Least Squares with JMP，p。 22:
“这投影的可变重要性(VIP) 统计，在 Wold (1995, p. 213) 和 In Wold 等人中讨论。 (2001, p. 123)，被定义为权重的加权平方和， W ”...“基于权重，它衡量预测变量对表征 PLS 模型中使用的因素的贡献...”。
VIP 默认为 0.8，但可以在 JMP 中更改，它是变量对模型影响的累积度量。 一个类比是 Boosted Tree 和 Bootstrap Forest 平台中的“部分”——由给定因子 X 解释的模型部分。 模型中具有低 VIP 值和系数的因素可以删除，因为它们的贡献可以忽略不计。
请注意：对于中心数据和缩放数据，使用 VIP 与系数通常更好，因为它考虑了尺寸效果以及VIP。同样，阈值为 0.8，这可能适合也可能不适合您的数据。 更高或更低的值可能更合适，在评估模型的性能以预测结果时应予以考虑。
我想您会发现 Cox & Gaudard 的这本书很有帮助——此外，您可以在 support.sas.com 上免费在线找到它的 PDF 版本。
希望这可以帮助，
DS
