如果试验自变量为分类变量，响应为连续变量，是否可以使用正交设计进行筛选？如果试验自变量为分类变量，响应为连续变量，是否可以使用正交设计进行筛选？例如：氨基酸作为一个自变量，其中有20种不同的氨基酸，维生素作为一个自变量，其中有8种，筛选氨基酸和维生素的最佳组合，可否使用正交设计，谢谢！
Data Exploration and VisualizationDesign of ExperimentsPredictive Modeling and Machine LearningRe: 如果试验自变量为分类变量，响应为连续变量，是否可以使用正交设计进行筛选？嗨@wzm ，
只是为了确保您已经了解您的目标：您想从一组原材料中选择一种氨基酸和一种维生素，以获得两者之间的最佳组合并获得最佳效果？
如果是的话，因为您似乎在问题和帖子中提到了“筛选”（或者至少自动翻译工具将您的原始问题翻译为：“如果实验独立变量是分类的并且响应是连续的，那么可以使用正交设计进行筛选吗？”）并且考虑到您想要研究的不同原材料的数量相对较大，我不会尝试在第一个设计（或仅在一个设计中）中找到氨基酸和维生素之间的最佳组合，因为它可以代表需要进行大量实验来测试所有组合（160 种独特组合）。
一种选择是将许多不同的氨基酸和维生素分成子集，以便研究每个因素的水平数量有限的情况下连续反应的变化。您可以选择 5 种氨基酸和 4 种维生素（例如），而不是测试所有 20 种不同的氨基酸和所有 8 种维生素，这样这些分子在分子特性/描述符方面表现出最大的变异性。有多种方法可以选择原材料，但使用化学结构、分子/化学特性、分子描述符值可以帮助比较原材料并仅选择化学变异性最高的原材料。
我在之前的讨论中描述了这个选项，并且这个方法也在演示文稿中进行了解释： 一个多级（3+）分类变量和许多连续变量的有效 DOE
提高效率和模型适用性领域在测试乍一看是多级分类因素的选项时
然后，您可以利用可用作协变量的连续分子描述符/值来分析连续响应的结果。使用连续因子代替分类因子可以大大增加信息量：
https://community.jmp.com/t5/Abstracts/Coding-with-Continously-and-Mixture-Variables-to-Explore-More-of/ev-p/756156/redirect_from_archived_page/true
这种方法的最大优点是，您可以避免使用涉及大量实验的单一 DoE“蛮力”方法，并且您可以建立自己的知识并通过迭代开始优化：一旦您了解不同分子的哪些属性会影响您的响应，您就可以选择其他原材料（氨基酸和维生素）并改进您的模型，以更深入地了解相互作用和特定顺序效应，并优化响应。
希望这个讨论的开始和观点能对你有所帮助，
Re: 如果试验自变量为分类变量，响应为连续变量，是否可以使用正交设计进行筛选？谢谢，感谢您的耐心解答，我需要筛选氨基酸的组合，筛选维生素的组合，氨基酸和维生素的组合，最终的目的是得到一个配比，这个配比中有对标签影响最大几个氨基酸和维生素的配伍，如果设计实验，还要考虑氨基酸和维生素之间有无交互，需要考虑氨基酸之间有无交互作用，谢谢！
