大家好，
我試著根據各種形態特徵對不同族群的動物進行比較。我有數值資料（例如長度、重量等）和二進位資料。並非我掌握的每一項詳細資訊都包含所有數據，這意味著每個特徵都有不同數量的詳細資訊和可用資訊。我正在嘗試對數據進行主成分分析，以便根據許多參數的差異將其劃分為不同的群體。我很高興收到關於如何獲得二維或三維結果的解釋，這將使我可以輕鬆劃分人群。
先致謝
嗨@yoram_frumkin ，
首先，歡迎來到社區，這是一個與人們交流想法並獲得與數據相關的所有事情（不一定只是 JMP）幫助的好地方。這裡有很多專家。
PCA 是一個很棒的工具，也是您在分析資料時應該考慮使用的眾多工具之一，這意味著在 JMP 中使用不同平台檢查資料通常是有益的。 PCA 的一個缺點是它更喜歡處理連續的數值數據，它不能處理名義數據，並且可以處理序數數據，但會抱怨。
無論如何，為了解決給定行（樣本）的每個屬性中並不總是包含所有數據的問題，您可以做的一件事（出於謹慎起見，我對此持懷疑態度）就是估算缺失的數據。您可以在「分析」>「篩選」>「探索缺失值」下執行此操作，然後使用幾種不同類型的插補。這有時效果很好，有時效果不太好，這就是為什麼我謹慎使用它或過度依賴它。您可以嘗試建立重複的資料表，在其中使用不同的插補方法，並查看它們的工作效果以及結果是否有意義。但是，對已完成插補的那些行進行顏色/突出顯示/更改標記也是一個好主意，因為有時在 JMP 填充資料後很難返回並檢查這些行的位置。
您應該研究一些其他平台，它們實際上可能會工作得更好，而無需估算丟失的數據，並且仍然可以滿足您的需求。例如，您可以使用層次聚類、k 均值聚類、K 最近鄰 (JMP Pro)、支援向量機 (JMP Pro)、分區或偏最小二乘法（有時稱為潛在結構投影）。所有這些都以某種形式或其他本質進行降維以簡化資料。當然，演算法都不同，您可能會得到不同的結果，但跨平台比較結果通常是一種很好的做法，以獲得更好的一致性和對分類的理解。
如果您有 JMP Pro，還有其他幾個平台，例如提升樹、引導森林和 XGBoost，它們在分類建模方面通常非常強大，這聽起來就像您正在嘗試做的那樣。另外，遺失的數據並不會真正影響他們的演算法。
您可以匿名化資料表並共享它（表 > 匿名化）嗎？這可能會讓其他人有機會使用這些數據，並提供一些關於如何自行解決問題的更具體的回饋。
希望這有助於討論！,
DS
