帕累托圖功能帕累托圖可以運行的原因或數據點是否有最大數量？ 我有一個帕累托圖，其中有 5000 多個原因。 當我嘗試組合最後約 5000 個原因時，情節不再具有互動性。 我知道它可能會滯後很多，但我沒有得到任何互動。
數據探索和視覺化視窗回覆：帕累托圖功能除了什麼@SDF1和@statman建議您這是另一個瘋狂的想法......您熟悉潛在類別分析嗎？ 也許您的 5000 多個「原因」之間存在不那麼明顯的多元風格相關性，您可以使用潛在類別分析來總結並折疊原因池的維度。 只是一個想法，也許值得一看？ 雖然我不確定 LCA 的響應速度，因為有這麼多「原因」…可能很長…但至少值得一試？ 以下是有關 LCA 的 JMP 文件的連結： JMP 中的潛在類別分析
回覆：帕累托圖功能我不知道你的問題的答案，但我同意自衛隊的觀點，你有太多的原因（潛在的）。 我的猜測是你正在混合因果結構的層次結構。 我的建議是留在因果連續體的一個層次結構中，並且不要在一個帕累託中混合層次結構。 對於每個不同層次結構的多個帕累托圖來說，這沒有什麼問題。 我將嘗試用以下連續體來說明：
如果你要尋找戰鬥失敗的原因，馬、釘子和鞋子不會出現在帕累托圖上。 萊德和該等級中的其他人將處於帕累托圖上。
另請記住，您正在尋找帕累托圖中的大跳躍，以便能夠聲明原因的可分配性（相對於簡單的隨機變化）
回覆：帕累托圖功能你好@JMewborn ,
包含在帕累托圖中的所有 5000 多個因素真的那麼重要嗎？ 通常你會做前 80%+ 左右。 在我看來，您可以使用 JMP 中的一些其他平台（您有 JMP Pro 嗎？）來評估變數的重要性以及它們是否是真正的影響因素。 另外，您是否將您的因子與零因子進行比較，以確定它們的貢獻是否大於或小於真正的隨機數？ 空因子具有比隨機數更多的屬性，它與您的資料集真正正交，這意味著它與您的資料具有零相關性。 因此，如果您有一個變數在列表中顯示為對響應有貢獻的空因子，那麼該因子很可能不會以重要方式對響應做出貢獻，而是一個協變量響應中存在噪聲，不應將其作為影響因素。
我確信缺乏互動性是由於您包含的許多因素造成的，如果您可以將其縮小到最重要的因素，那麼您就會恢復互動性。
希望這可以幫助。
祝你好運！，
DS
