Conozco la respuesta a esta pregunta, por lo que tal vez debería publicarse en la "lista de deseos", aunque tal vez haya una solución alternativa: tengo conjuntos de datos complejos en los que tengo muchas Y (analitos) y muchas X (datos ambientales ). Prácticamente, la única plataforma JMP Pro capaz de hacer modelos multi-Y / multi-X son los mínimos cuadrados parciales y la regresión generalizada (creo). Después de asistir a un seminario web realmente excelente por @kemal_oflus en redes neuronales (que utilizo para modelar respuestas Y únicas con muchas X), me pregunto si hay alguna forma de aprovechar el poder de la plataforma de red neuronal de JMP para modelar datos multivariados. Estoy hablando de cosas como ensamblajes de organismos o conjuntos de datos genómicos para los que desea conocer los impulsores ambientales de variación más influyentes. Supongo que Gen-reg y PLS están bien para manejar este tipo de conjuntos de datos con toda honestidad, pero solo por curiosidad, ¿podría usarse un modelo de red neuronal para producir una predicción multi-Y?Por ejemplo, tal vez desee conocer las condiciones ambientales más adecuadas para dos especies de coral. Supongo que simplemente construirías un modelo para cada especie de coral y los compararías, ¡aunque esto podría volverse engorroso con ecosistemas con muchos habitantes diferentes!
