FDE 演示的提示JMP Pro 14 中 FDE 的一个重点是执行功能 PCA，然后使用 fPC 作为预测模型的输入。 JMP 文档中的示例展示了使用 GenReg 来识别重要的 fPC。https://www.jmp.com/support/help/14/additional-example-of-the-functional-data-explor.shtml#240860 .
为了直接展示在预测建模中使用 fPC 的好处，让我们拟合两个标准最小二乘模型：一个使用 fPC（左），另一个使用每个过程变量的平均测量值（右）。 RSquare adj 的区别。惊人：0.78 对 0.12！ 传统的平均方法丢弃了解释产量可变性的信息。
附有保存脚本的数据。 我运行的 FDE 模型是初始数据的 3 次 B 样条曲线。
回复：FDE 演示的提示我真的很喜欢健这个例子。 但在使用验证列时显示广义回归的强大功能也可能会有所帮助（请注意这些结果来自 14.1 并使用不同的 FPC 子集，因此您的结果在 14.0 中会有所不同）。
在 genreg 中使用标准最小二乘法时，Validation Rsquare 很低：
使用 Adaptive Lasso 时，它得到了很大改进：
回复：FDE 演示的提示这些都是非常好的工具，Ryan，非常棒，它们将在 V14.1 中推出。感谢更新！
（功能数据分析（Ramsay & Silverman）几天前就到了。享受涉水的细节！）
回复：FDE 演示的提示Jerry，你提到的一些其他工具将在 14.1 中出现，当你保存摘要:
Prediction 公式使用 FPC 得分，使用 Mean 和 Eigenfunction 公式重建函数：
如果您有功能响应 DOE，您还可以构建模型以根据输入（在本例中为 AOS、AO 和 XP 80）预测 FPC 分数，以使用这些输入值重建函数：
回复：FDE 演示的提示这是伟大的健，谢谢你！
所以我认为一个好的展示方式可能是：
- “这是一些功能数据。目前，您如何处理使用数据来预测产量？”（答案几乎肯定包括“使用平均值”）
- 使用平均值建模，显示预测能力有多差
- “如果我们能够考虑到功能特性本身呢？”
- 引入 FDE。
仍然需要一些额外的工具，例如：
- 一旦您获得了最大化良率的最佳 fPC 值，最佳的单个函数是什么样的？
- 类似探查器的函数很适合处理“假设”问题。输入 fPC 值或可能拖动功能形状（通过样条调整）并预测产量？
再次感谢健！下周我会用这个！
