Re: 是否可以一起做 DFPCA + 常规 PCA？
到目前为止，我已经根据典型条件（例如室温）从这些数据系列中选择了某些点，但如果可以使用每个数据系列的整个数据系列，那肯定会提升分析。
听起来您来对地方了：FDE 应该能够使用数据的整个输出/形状，而不仅仅是某些点。
我在功能数据分析平台中看到了 DFPCA 选项。
您是否有理由使用它而不是将模型拟合到您的数据？ 根据我的经验，拟合模型（红色三角形...模型）通常是第一步。 不过，直接 FPCA 当然是一种选择。
[有没有] 一种方法来处理多个数据点和数据系列，然后对所有数据进行 PCA。
是的。 如果我理解正确，您可以使用 FPC Profiler 或（更有可能）FDOE Profiler。 FPC Profiler 显示 FPC 的变化如何影响输出的形状，FDOE Profiler 显示 DOE 输入的变化如何影响输出的形状。 我在下面放了一张截图并附上了一个示例数据文件。
Re: 是否可以一起做 DFPCA + 常规 PCA？我不确定我是否理解。 您可以使用 Functional Data Explorer 分析函数（数据系列）。 每个系列都是一个单独的功能。 你问的问题有什么不同？ PCA 在函数上。
你读过JMP吗关于 FDE 的帮助？ 这些示例是否有助于回答您的问题？
Re: 是否可以一起做 DFPCA + 常规 PCA？@马克贝利和@Jed_Campbell , 谢谢回复！
所以重读我的问题，我认为我没有很好地解释这个问题。 对此我深表歉意。 举一个更具体的例子，假设我有一堆材料，对于每一种材料，我都有摩尔重量、跨温度密度和不同波长的光吸收。 前者是单个数据点，是一种可以对其执行常规 PCA 的数据，而后两者是功能数据。 但是，您有两个使用不同 x 轴的功能数据系列。 我的问题是如何对所有这三个一起执行 PCA，或者甚至可能吗？
您是否有理由使用它而不是将模型拟合到您的数据？ 根据我的经验，拟合模型（红色三角形...模型）通常是第一步。 不过，直接 FPCA 当然是一种选择。
@Jed_Campbell我使用 PCA 的原因真的只是因为我更了解它。 当我正在做的事情的目标更多是寻找关联时，我不确定我将如何对这些不同类型的数据进行另一次分析。 我上面给出的例子更像是我正在做的事情的精简版（不同材料的 151 种属性），所以如果您有任何建议，我很乐意听取。
谢谢！
DFPCA + 常规 PCA 可以一起做吗？你好 - 我正在写一篇论文，我有很多不同项目的单独数据点，但其中一些点来自数据系列（例如不同温度、波长等下的值）。 到目前为止，我已经根据典型条件（例如室温）从这些数据系列中选择了某些点，但如果可以使用每个点的整个数据系列，肯定会提高分析的质量。 我在功能数据分析平台中看到了DFPCA选项。 然而，也许我是个傻瓜，完全错过了它，有一种方法可以处理多个数据点和数据系列，并对所有这些进行 PCA。 这可能吗？ 我什至愿意接受 JSL 选项。 不过我不懂 JSL，所以如果我需要几周的时间才能编写代码，那么不幸的是我没有那种时间灵活性。
谢谢！
高级统计建模视窗
