LDA 與預測器篩選以確定哪些製程參數描述了運行之間的差異目前我正在調查化學過程中的一個單元。裝置運作數月後才進行清潔。運行之間的性能有所不同。我的跑步表現指標有 3 個等級：低、中、高。大約有 30 個過程參數（壓力、溫度等）被確定為可以描述/影響性能指標的候選參數。這些過程參數在運作期間會發生變化。我嘗試確定哪些過程參數影響最大以及影響是什麼（正面/負面）。
我使用了 LDA 和預測因子篩選。兩種方法之間影響最大的 10 個製程參數清單有所不同。因為方法不同，我預期會有一些差異，但不會那麼廣泛。我的問題：如何確定這兩種方法中哪一種為我提供了最可靠的答案？
進階統計建模資料混合與清理品質和工藝工程回复：LDA 與預測器篩選以確定哪些工藝參數描述了運行之間的差異如果沒有數據或合理的樣本，很難說。 鑑於“過程參數在運行過程中會發生變化”，這種變化在一次運行中的實際情況如何，您有多少次運行的數據？ 績效指標的每個級別出現多少次？
回复：LDA 與預測器篩選以確定哪些工藝參數描述了運行之間的差異我有 13 次運行。 每個級別出現大約 4 次。 流量根據所需的吞吐量而變化，壓力可能因環境條件或長時間結垢而變化
回复：LDA 與預測器篩選以確定哪些工藝參數描述了運行之間的差異讓我從一個基本問題開始。 您對“...最可靠的答案”的標準是什麼？ 您是否正在進行調查，尋求探索性“答案”或預測性“答案”？ 我推薦的數據分析方法在很大程度上取決於您的答案。
回复：LDA 與預測器篩選以確定哪些工藝參數描述了運行之間的差異那麼預測變量隨時間變化（在運行期間）？ 您可以嘗試在 JMP Pro 中使用 Functional Data Explorer 來獲取功能原理組件，然後將它們用作預測變量而不是原始測量值。
回复：LDA 與預測器篩選以確定哪些工藝參數描述了運行之間的差異我想確定哪些過程變量解釋了運行性能低下或高性能的原因。 下一步是看看我是否可以將這些變量設置為帶寬（或用其他變量進行補償）以在一致的基礎上保持高運行。 從工程的角度來看，已經確定了許多候選變量。 該分析旨在找出最具影響力的變量。 （如根本原因分析）
我希望這回答了你的問題。 我想防止將我的問題錯誤地標記為探索性或預測性
