Costruire modelli predittivi per dati correlati e ad alta dimensionalitàImpara ad adattare i modelli utilizzando tecniche di selezione variabile, comprese tecniche di restringimento specificamente mirate alla modellazione di dati correlati e ad alta dimensione. Scopri come utilizzare per esplorare una varietà di distribuzioni per risposte continue, binomiali, a conteggio o con inflazione pari a zero e come confrontare modelli costruiti utilizzando altre tecniche.
Modellazione statistica avanzataRi: Costruzione di modelli predittivi per dati correlati e ad alta dimensioneC'era ancora una questione aperta riguardante la capacità di integrare effetti quadratici e interazioni nella regressione PCA:
In teoria, le colonne corrispondenti dovrebbero essere create con colonne formula prima dell'analisi delle componenti principali (ad es. Colonna1*Colonna1 per un effetto quadratico) e poi prese in considerazione anche nell'analisi delle componenti principali. A seconda del numero di colonne, qui si dovrebbe aggiungere molto. Inoltre, moltiplicare le colonne distorcerebbe il ridimensionamento.
Se esistono casi d'uso appropriati, PLS con JMP Pro è la soluzione più diretta.
Ri: Costruzione di modelli predittivi per dati correlati e ad alta dimensioneCiao Jonas
Grazie per la risposta Ho potuto rispondere da solo alla domanda. È possibile, ad esempio con 2 fattori, modellare i risultanti Prin1 e Prin2 tramite l'analisi delle componenti principali utilizzando "Fit Y by L'ho provato utilizzando un caso di studio pubblicato in cui si è verificata una correlazione fattoriale in un DOE a 2 fattori a causa di vincoli (ma questo non era un problema a causa dei piccoli "errori standard" nella valutazione). L'analisi di questi fattori parzialmente correlati tramite l'analisi delle componenti principali, come descritto sopra, produce un risultato quasi identico.
Gruesse,
Vestiti
