偏最小二乘和VIP係數你好，
我想知道 VIP 與係數圖表中的 VIP 是如何計算的。 我在哪裡可以找到更多詳細信息？
魯
分析回复：偏最小二乘和 VIP 係數你好@魯,
VIP 的默認值 0.8 與權重的加權平方和有關。 它不是一個百分比。 這是沒有意義的，因為 VIP 因子可以大於 1，這意味著 >100% 的方差。 它是一個幫助用戶判斷一個變量在模型中是否重要的值。
至於 bootstrap forest 或 boosted trees 中的部分，更多的是 %。 如果變量的比例為 0.32，則該特定因素在 32% 的時間內進入決策樹分析。 它沒有解釋 32% 的方差，這更像是 R^2 正在測量的東西。
至於這本書，它可能不再免費提供，但只需搜索書名和作者，我相信您會找到它。 至少，您可以從 SAS 或其他知名在線購物平台購買。
DS
回复：偏最小二乘和 VIP 係數親愛的迪德里希
我在 sas.com 的在線 PLS 上找不到免費的 PDF。你能給我一個鏈接嗎？
問候，
魯回复：偏最小二乘和 VIP 係數謝謝迪德里希
這對我來說很清楚。
VIP 的默認值為 0.8（是否意味著 80% 的方差由該因子解釋？）
您與 bootstrap forrest 的“部分”進行了比較。 部分的默認值也是 0.8 嗎？
魯
回复：偏最小二乘和 VIP 係數你好@魯,
您可以閱讀有關 PLS 的 JMP 幫助的更多信息這裡. 此外，根據 Ian Cox 和 Marie Gaudard 的 JMP 在線書籍，Discovering Partial Least Squares with JMP，p。 22:
“這投影的可變重要性(VIP) 統計，在 Wold (1995, p. 213) 和 In Wold 等人中討論。 (2001, p. 123)，被定義為權重的加權平方和， W ”...“基於權重，它衡量預測變量對錶徵 PLS 模型中使用的因素的貢獻...”。
VIP 默認為 0.8，但可以在 JMP 中更改，它是變量對模型影響的累積度量。 一個類比是 Boosted Tree 和 Bootstrap Forest 平台中的“部分”——由給定因子 X 解釋的模型部分。 模型中具有低 VIP 值和係數的因素可以刪除，因為它們的貢獻可以忽略不計。
請注意：對於中心數據和縮放數據，使用 VIP 與係數通常更好，因為它考慮了尺寸效果以及VIP。同樣，閾值為 0.8，這可能適合也可能不適合您的數據。 更高或更低的值可能更合適，在評估模型的性能以預測結果時應予以考慮。
我想您會發現 Cox & Gaudard 的這本書很有幫助——此外，您可以在 support.sas.com 上免費在線找到它的 PDF 版本。
希望這可以幫助，
DS
