关于预测新频谱数据的 Y 变量的 FDE 问题好的，这是我的问题。
假设我对我拥有的一些频谱数据进行了 FDE 分析。我创建了一个模型，将函数摘要保存在新的数据表中，并创建了一个将函数式 PCA 链接到感兴趣的 Y 变量的模型。
现在我有了新的光谱数据，我想预测新的特定曲线的 Y 变量。
我应该怎么办？通常，对于常规数据，我可以添加带有 X 变量的行，并且预测的 Y 列将自动填充。然而，对于功能数据，我不知道在哪里可以保存频谱数据中的功能 PCA 值，以便我可以在预测中使用它。
我在这里错过了什么吗？你会采取什么方法？
回复：关于预测新频谱数据的 Y 变量的 FDE 问题@yasmine_hajar有趣的例子和问题。我想一个答案是将新行添加到原始数据中，并从保存的脚本或工作流程中重新运行 FDE，在功能 PCA 受到影响时重新训练预测模型。
我很好奇 Torch 使用原始光谱特征来预测 FFA 值的表现如何。附表将 Manda_DataFile 拆分为 23 行并创建分层 5 倍变量。 Torch 的默认 MLP 超过 100 个 epoch 的结果看起来非常好，折叠相关性为 0.99，RMSE 为 0.39。
然而，如果我正确地读取文件名，看起来实际上只有 7 个有效的实验单元，每个单元重复 3-4 次。从 FFA 值的重复值也可以明显看出这一点。我创建了一个新列“单位”，并尝试将其作为“验证”变量（在 Torch 中，单击红色三角形 >“更改变量”），创建一个 7 倍方案，依次保留每个单位。折叠外相关性下降至 0.9，RMSE 增加至 1.2。后一种方案可以对新数据的普遍性提供更现实的评估。
回复：关于预测新频谱数据的 Y 变量的 FDE 问题谢谢@russ_wolfinger ！我希望找到 FPCA 列的嵌入公式，但现在重新运行脚本就可以了。
我将带着有关 Torch 方法的问题回复您！
再次感谢！
回复：关于预测新频谱数据的 Y 变量的 FDE 问题通过包含补充变量，可以运行 FDOE，然后从报告的 FDOE 部分保存预测公式。然后添加的新行将自动计算预测。
我对 FDE 平台不是很熟悉，但看起来如果没有任何补充变量，我看不到一种方法来保存基于 FPC 的预测公式。这听起来像是一个功能请求。
回复：关于预测新频谱数据的 Y 变量的 FDE 问题@yasmine_hajar现在最好的方法是将新光谱与验证列一起加载，这样您就可以确保它们不会在原始样本中使用。我们有一个未完成的项目，用于为此目的保存评分脚本，我会优先考虑。
希望这有帮助！
回复：关于预测新频谱数据的 Y 变量的 FDE 问题@eclaassen如果我的补充参数是一个因素而不是响应，我会使用 FDOE。
但在我的例子中，光谱是因素，补充信息（FFA 列）是预测。因此，我在模型摘要表中创建了一个包含 PCA1,2，..5 的模型
