상관관계가 있는 고차원 데이터에 대한 예측 모델 구축상관 관계가 있는 고차원 데이터 모델링을 특별히 목표로 하는 축소 기술을 포함한 변수 선택 기술을 사용하여 모델을 피팅하는 방법을 알아보세요. 연속형, 이항형, 계수형 또는 제로 인플레이션형 반응에 대한 다양한 분포를 탐색하기 위해 를 사용하는 방법과 다른 기술을 사용하여 구축된 모델을 비교하는 방법을 알아봅니다.
고급 통계 모델링Re: 상관관계가 있는 고차원 데이터에 대한 예측 모델 구축2차 효과와 상호 작용을 PCA 회귀 분석에 통합하는 능력에 관한 공개 질문이 여전히 남아 있습니다.
이론적으로 해당 열은 주성분 분석 전에 수식 열을 사용하여 생성되어야 하며(예: 2차 효과의 경우 Column1*Column1) 주성분 분석에서도 고려되어야 합니다. 열 수에 따라 여기에 많은 내용을 추가해야 합니다. 또한 열을 곱하면 크기 조정이 왜곡됩니다.
적절한 사용 사례가 있는 경우 JMP Pro를 사용하는 PLS가 더 직접적인 솔루션입니다.
Re: 상관관계가 있는 고차원 데이터에 대한 예측 모델 구축안녕하세요 조나스
답장을 보내주셔서 감사합니다. 나는 그 질문에 스스로 대답할 수 있었다. 예를 들어, 2개의 요인을 사용하여 "Fit Y by"를 통한 주성분 분석을 통해 결과 Prin1 및 Prin2를 모델링하는 것이 가능합니다. 나는 제약으로 인해 2-요인 DOE에서 요인 상관 관계가 발생한 출판된 사례 연구를 사용하여 이것을 시도했습니다(그러나 이것은 평가의 작은 "표준 오류"로 인해 문제가 되지 않았습니다). 위에서 설명한 것처럼 주성분 분석을 통해 이러한 부분 상관 요인을 분석하면 거의 동일한 결과가 나옵니다.
그뤼세,
옷
