为相关数据和高维数据构建预测模型学习使用变量选择技术来拟合模型，包括专门针对相关数据和高维数据进行建模的收缩技术。了解如何使用 来探索连续、二项式、计数或零膨胀响应的各种分布，以及如何比较使用其他技术构建的模型。
高级统计建模回复：为相关和高维数据构建预测模型关于将二次效应和交互作用整合到 PCA 回归中的能力仍然存在一个悬而未决的问题：
理论上，在主成分分析之前必须使用公式列创建相应的列（例如，二次效应的 Column1*Column1），然后在主成分分析中也将其考虑在内。根据列数，必须在此处添加很多内容。此外，将列相乘会扭曲缩放比例。
如果存在合适的用例，使用 JMP Pro 的 PLS 是更直接的解决方案。
回复：为相关和高维数据构建预测模型你好乔纳斯
感谢您的回复。我自己能够回答这个问题。例如，使用 2 个因子，可以使用“Fit Y by”通过主成分分析对生成的 Prin1 和 Prin2 进行建模我使用已发表的案例研究进行了尝试，其中由于约束而在 2 因子 DOE 中出现了因子相关性（但这不是问题，因为评估中的“标准误差”很小）。如上所述，通过主成分分析对这些部分相关的因素进行分析会产生几乎相同的结果。
格鲁埃斯，
衣服
