關於預測新頻譜資料的 Y 變數的 FDE 問題好的，這是我的問題。
假設我對我擁有的一些頻譜資料進行了 FDE 分析。我創建了一個模型，將函數摘要保存在新的資料表中，並建立了將函數式 PCA 連結到感興趣的 Y 變數的模型。
現在我有了新的光譜數據，我想預測新的特定曲線的 Y 變數。
我該怎麼辦？通常，對於常規數據，我可以添加帶有 X 變數的行，並且預測的 Y 列將自動填入。然而，對於功能數據，我不知道在哪裡可以保存頻譜數據中的功能 PCA 值，以便我可以在預測中使用它。
我在這裡錯過了什麼嗎？你會採取什麼方法？
回覆：關於預測新頻譜資料的 Y 變數的 FDE 問題@yasmine_hajar有趣的例子和問題。我想一個答案是將新行添加到原始資料中，並從已儲存的腳本或工作流程中重新執行 FDE，在功能 PCA 受到影響時重新訓練預測模型。
我很好奇 Torch 使用原始光譜特徵來預測 FFA 值的表現如何。附表將 Manda_DataFile 拆分為 23 行並建立分層 5 倍變數。 Torch 的預設 MLP 超過 100 個 epoch 的結果看起來非常好，折疊相關性為 0.99，RMSE 為 0.39。
然而，如果我正確地讀取檔案名，看起來實際上只有 7 個有效的實驗單元，每個單元重複 3-4 次。從 FFA 值的重複值也可以明顯看出這一點。我創建了一個新列“單位”，並嘗試將其作為“驗證”變數（在 Torch 中，單擊紅色三角形 >“更改變數”），以建立 7 倍方案，依次保留每個單位。折疊外相關性降至 0.9，RMSE 增加至 1.2。後一種方案可以對新資料的普遍性提供更現實的評估。
回覆：關於預測新頻譜資料的 Y 變數的 FDE 問題謝謝@russ_wolfinger ！我希望找到 FPCA 列的嵌入公式，但現在重新運行腳本就可以了。
我將帶著有關 Torch 方法的問題回覆您！
再次感謝！
回覆：關於預測新頻譜資料的 Y 變數的 FDE 問題透過包含補充變量，可以運行 FDOE，然後從報告的 FDOE 部分保存預測公式。然後新增的新行將自動計算預測。
我對 FDE 平台不是很熟悉，但看起來如果沒有任何補充變量，我看不到一種方法來保存基於 FPC 的預測公式。這聽起來像是一個功能請求。
回覆：關於預測新頻譜資料的 Y 變數的 FDE 問題@yasmine_hajar現在最好的方法是使用驗證列來載入新光譜，這樣您就可以確保它們不會在原始樣品中使用。我們有一個開放項目來保存為此目的的評分腳本，我將提高優先順序。
希望有幫助！
回覆：關於預測新頻譜資料的 Y 變數的 FDE 問題@eclaassen如果我的補充參數是一個因素而不是回應，我會使用 FDOE。
但就我而言，頻譜是因素，補充資訊（FFA 列）是預測。因此，我在模型摘要表中使用 PCA1,2,..5 建立了一個模型
