基于PCA的主成分回归（PCR）和偏最小二乘回归亲爱的同事们，
我遇到过处理PCR（主成分回归）和偏最小二乘回归（PLSR）的情况。 不幸的是，我在教程中没有找到有关 PCR 和基于 PCA 的 PLSR 的信息。
我觉得必须有一种手动简单的方法来使用 JMP Pro 中的 PCA 选项后获得的结果来安排预测建模。
我非常感谢您提供如何在 PCR 和 PLSR 中使用预测模型来操作 PCA 数据的建议。
非常感谢！
迈克尔
高级统计建模回复：基于PCA的主成分回归（PCR）和偏最小二乘回归那太棒了！ 我的担忧主要在于 JMP Pro 中 PCR 性能的技术问题。 我完全同意，这是一个关于所涉及主成分的拟合回归和解释特征的微妙问题。
非常感谢！
回复：基于PCA的主成分回归（PCR）和偏最小二乘回归是的，这就是基本思想。 您正在用一小组正交分量替换一组较大的共线测量值。 根据特征值的大小和特征向量的相关性来选择分量。 回归分析将确定哪些成分（如果有）与响应相关。 这样，如果为回归模型选择任何组件，则使用所有原始测量值。
你必须仔细研究PCA。 这些组件可能无法解释，在这种情况下，您可能会得到“良好”的回归，但可能很难解释。 您正在用维度和共线性问题来交换可解释性问题。 你不可能“既能吃到蛋糕，又能拥有它”。
回复：基于PCA的主成分回归（PCR）和偏最小二乘回归原来如此，谢谢！
在发布这个主题之前，已经学习了相应的教程，并且如上所述，没有找到有关使用 PCA 的 PCR 和 PLSR 的特定信息。
如果我错了，请纠正我：如果某些主成分（PC）被探索并保存为列，它们可以用作通过标准“拟合模型”选项构建线性回归的变量，对吧？ 还是在安排PCR/PLSR的时候有一些具体的操作？
谢谢！
回复：基于PCA的主成分回归（PCR）和偏最小二乘回归来补充@马克贝利的建议，您可能想观看我在担任 JMP 高级系统工程师期间举办的点播网络研讨会。 它有点过时了...我想我使用了 JMP Pro v14...所以如果您使用该版本，JMP Pro v16 中可能会有一些很酷的新功能？ 但希望观看网络研讨会至少能让您入门？ 我不涉及主成分回归。
偏最小二乘...当普通最小二乘回归不起作用时该使用什么
回复：基于PCA的主成分回归（PCR）和偏最小二乘回归您可以从 JMP 帮助开始：主成分分析，其中讨论了 JMP 工具。
这书当它进入方法论时可能会有所帮助。
