Re: 是否可以一起做 DFPCA + 常規 PCA？
到目前為止，我已經根據典型條件（例如室溫）從這些數據系列中選擇了某些點，但如果可以使用每個數據系列的整個數據系列，那肯定會提升分析。
聽起來您來對地方了：FDE 應該能夠使用數據的整個輸出/形狀，而不僅僅是某些點。
我在功能數據分析平台中看到了 DFPCA 選項。
您是否有理由使用它而不是將模型擬合到您的數據？ 根據我的經驗，擬合模型（紅色三角形...模型）通常是第一步。 不過，直接 FPCA 當然是一種選擇。
[有沒有] 一種方法來處理多個數據點和數據系列，然後對所有數據進行 PCA。
是的。 如果我理解正確，您可以使用 FPC Profiler 或（更有可能）FDOE Profiler。 FPC Profiler 顯示 FPC 的變化如何影響輸出的形狀，FDOE Profiler 顯示 DOE 輸入的變化如何影響輸出的形狀。 我在下面放了一張截圖並附上了一個示例數據文件。
Re: 是否可以一起做 DFPCA + 常規 PCA？我不確定我是否理解。 您可以使用 Functional Data Explorer 分析函數（數據系列）。 每個系列都是一個單獨的功能。 你問的問題有什麼不同？ PCA 在函數上。
你讀過JMP嗎關於 FDE 的幫助？ 這些示例是否有助於回答您的問題？
Re: 是否可以一起做 DFPCA + 常規 PCA？@馬克貝利和@Jed_Campbell , 謝謝回复！
所以重讀我的問題，我認為我沒有很好地解釋這個問題。 對此我深表歉意。 舉一個更具體的例子，假設我有一堆材料，對於每一種材料，我都有摩爾重量、跨溫度密度和不同波長的光吸收。 前者是單個數據點，是一種可以對其執行常規 PCA 的數據，而後兩者是功能數據。 但是，您有兩個使用不同 x 軸的功能數據系列。 我的問題是如何對所有這三個一起執行 PCA，或者甚至可能嗎？
您是否有理由使用它而不是將模型擬合到您的數據？ 根據我的經驗，擬合模型（紅色三角形...模型）通常是第一步。 不過，直接 FPCA 當然是一種選擇。
@Jed_Campbell我使用 PCA 的原因真的只是因為我更了解它。 當我正在做的事情的目標更多是尋找關聯時，我不確定我將如何對這些不同類型的數據進行另一次分析。 我上面給出的例子更像是我正在做的事情的精簡版（不同材料的 151 種屬性），所以如果您有任何建議，我很樂意聽取。
謝謝！
DFPCA + 常規 PCA 可以一起做嗎？你好 - 我正在寫一篇論文，我有很多不同項目的單獨數據點，但其中一些點來自數據系列（例如不同溫度、波長等下的值）。 到目前為止，我已經根據典型條件（例如室溫）從這些數據系列中選擇了某些點，但如果可以使用每個點的整個數據系列，肯定會提高分析的質量。 我在功能數據分析平台中看到了DFPCA選項。 然而，也許我是個傻瓜，完全錯過了它，有一種方法可以處理多個數據點和數據系列，並對所有這些進行 PCA。 這可能嗎？ 我什至願意接受 JSL 選項。 不過我不懂 JSL，所以如果我需要幾週的時間才能編寫代碼，那麼不幸的是我沒有那種時間靈活性。
謝謝！
高級統計建模視窗
