Re: PCA 기반 PCR(Principal Components Regression) 및 Partial Least Square Regression이 도서 도움이 될 수 있습니다.
PCA 기반 PCR(주성분 회귀) 및 부분 최소 제곱 회귀친애하는 동료들에게,
PCR(Principal Components Regression) 및 PLSR(Partial Least Square Regression)을 처리해야 하는 상황에 직면했습니다. 불행히도 튜토리얼에서 찾지 못한 PCR 및 PCA 기반 PLSR에 대한 정보가 없습니다.
JMP Pro에서 PCA 옵션 후에 얻은 결과를 사용하여 예측 모델링을 정렬하는 수동 간단한 방법이 있어야 한다고 생각합니다.
PCR 및 PLSR에서 예측 모델링을 사용하여 PCA의 데이터를 작동하는 방법에 대한 조언을 부탁드립니다.
감사합니다!
남자 이름
해석학다른Re: PCA 기반 PCR(Principal Components Regression) 및 Partial Least Square Regression완성을 위해 @markbailey 님의 조언에 따르면 제가 JMP 선임 시스템 엔지니어로 재직하는 동안 발표한 주문형 웨비나를 시청할 수 있습니다. 조금 구식입니다...제 생각에는 JMP Pro v14를 사용한 것 같습니다... JMP Pro v16 버전을 사용하는 경우 JMP Pro v16에 멋진 새 기능이 있을 수 있습니까? 그러나 웨비나를 시청하는 것이 최소한 시작하는 데 도움이 됩니까? 주성분 회귀는 다루지 않습니다.
부분 최소 제곱...일반 최소 제곱 회귀가 작동하지 않을 때 사용하는 방법
Re: PCA 기반 PCR(Principal Components Regression) 및 Partial Least Square Regression그렇군요, 감사합니다!
이 주제를 게시하기 전에 해당 자습서를 배웠으며 PCA를 사용하는 PCR 및 PLSR에 대한 특정 정보를 찾을 수 없었습니다.
내가 틀렸다면 정정해 주십시오. 특정 주성분(PC)을 탐색하고 열로 저장하면 표준 "모델 적합" 옵션을 통해 선형 회귀를 구축하기 위한 변수로 사용할 수 있습니다. 맞습니까? 아니면 PCR/PLSR이 배열되는 동안 특정 조작이 있습니까?
감사!
Re: PCA 기반 PCR(Principal Components Regression) 및 Partial Least Square Regression예, 그것이 기본 아이디어입니다. 더 큰 공선 측정 세트를 작은 직교 구성요소 세트로 대체합니다. 구성 요소는 고유 값의 크기와 고유 벡터의 상관 관계에 따라 선택됩니다. 회귀 분석은 응답과 상관 관계가 있는 구성 요소가 있는 경우 이를 결정합니다. 이러한 방식으로 회귀 모델에 대해 구성 요소가 선택되면 모든 원래 측정값이 사용됩니다.
PCA를 주의 깊게 공부해야 합니다. 구성 요소를 해석할 수 없는 경우 '좋은' 회귀를 얻을 수 있지만 해석하기 어려울 수 있습니다. 당신은 차원과 공선성의 문제를 해석 가능성의 문제와 교환하고 있습니다. 당신은 '당신의 케이크를 먹고 그것을 가질 수 없습니다.'
