基於PCA的主成分回歸（PCR）和偏最小平方法回歸親愛的同事們，
我遇到過處理PCR（主成分回歸）和偏最小二乘回歸（PLSR）的情況。 不幸的是，我在教程中沒有找到有關 PCR 和基於 PCA 的 PLSR 的資訊。
我覺得必須有一種手動簡單的方法來使用 JMP Pro 中的 PCA 選項後獲得的結果來安排預測建模。
我非常感謝您提供如何在 PCR 和 PLSR 中使用預測模型來操作 PCA 資料的建議。
非常感謝！
麥可
進階統計建模回覆：基於PCA的主成分回歸（PCR）和偏最小平方法回歸那太棒了！ 我的擔憂主要在於 JMP Pro 中 PCR 效能的技術問題。 我完全同意，這是一個關於所涉及主成分的擬合回歸和解釋特徵的微妙問題。
非常感謝！
回覆：基於PCA的主成分回歸（PCR）和偏最小平方法回歸是的，這就是基本思想。 您正在用一小組正交分量取代一組較大的共線測量值。 根據特徵值的大小和特徵向量的相關性來選擇分量。 迴歸分析將確定哪些成分（如果有）與反應相關。 這樣，如果為迴歸模型選擇任何元件，則使用所有原始測量值。
你必須仔細研究PCA。 這些組件可能無法解釋，在這種情況下，您可能會得到「良好」的回歸，但可能很難解釋。 您正在用維度和共線性問題來交換可解釋性問題。 你不可能「既能吃到蛋糕，又能擁有它」。
回覆：基於PCA的主成分回歸（PCR）和偏最小平方法回歸原來如此，謝謝！
在發布這個主題之前，已經學習了相應的教程，並且如上所述，沒有找到有關使用 PCA 的 PCR 和 PLSR 的特定資訊。
如果我錯了，請糾正我：如果某些主成分（PC）被探索並保存為列，它們可以用作通過標準“擬合模型”選項構建線性回歸的變量，對嗎？ 還是在安排PCR/PLSR的時候有一些具體的操作？
謝謝！
回覆：基於PCA的主成分回歸（PCR）和偏最小平方法回歸來補充@馬克貝利的建議，您可能想觀看我在擔任 JMP 高級系統工程師期間舉辦的點播網路研討會。 它有點過時了...我想我使用了 JMP Pro v14...所以如果您使用該版本，JMP Pro v16 中可能會有一些很酷的新功能？ 但希望觀看網路研討會至少能讓您入門？ 我不涉及主成分回歸。
偏最小平方法...當普通最小平方法迴歸不起作用時該使用什麼
回覆：基於PCA的主成分回歸（PCR）和偏最小平方法回歸您可以從 JMP 幫助開始：主成分分析，其中討論了 JMP 工具。
這書當它進入方法論時可能會有所幫助。
