多元基础知识来自东南亚各地的SE们，大家好！
关于多元分析，我有个简短的问题想请教一下，作为工程师/科学家，你之前的经验中哪些内容真正有用？你认为人们应该了解哪些主题？
例如：当计算机能够处理大量变量时，PCA 真的还有用吗？——或者说，这项技术的基本原理是否有巧妙而相关的应用方式（如果能在 JMP Pro 中实现就更好了）？
或者你知道的酷炫科技
就像将聚类组与平行图配对一样
谢谢，祝你二月愉快。
狩猎
高级统计建模数据融合与清理预测建模和机器学习回复：多元基础知识我脑海中浮现出三点想法：
- 几年前我还在职场的时候，上过 Di Michelson 的多元统计课程。这门课让我彻底明白了 JMP 里“多元统计”菜单的运作机制。我在点播课程里找不到这门课了。不知道课程笔记是不是还能找到。我没找到 Di 的标签，所以就标记一下@ruthhummel 。
- 关于您提出的主成分问题，我认为聚类变量在变量减少方面更胜一筹，但我隐约记得（我想是？） @Phil_Kay做过一个视频或博客，展示了主成分如何能有效地看到可以从过程知识中得出或应该得出的广泛分组。
- 多元嵌入是一种用于可视化超大型数据集的快速工具，它是 JMP Pro 的一个内置工具。示例文件“Prostate Cancer.jmp”展示了一些非常有趣的内容，耗时仅约 2 秒。如果我的数据也包含类似这样的信息，我会对这 11 行数据非常感兴趣：
回复：多元基础知识太棒了！谢谢杰德
我个人在工程工作中很少用到这些技术，所以很高兴听到其他人的看法。
我同意使用聚类变量而不是主成分分析，因为我们处理的不是抽象的列，而是找到一个聚类中“最具代表性”的列（一个真实的列）。
回复：多元基础知识您可以从这里获取资料： 仅供内部使用的教育课程资料 - JMP 用户社区。将来有一天，我会将其转换为某种形式的在线内容。
回复：多元基础知识这是一个很好的问题。在欧洲，SIMCA 和 Unscrambler 的开发者们在推广多元统计方法方面做得非常出色，尤其是 PCA 和 PLS，尤其是在生物技术和化工行业。但我并不确定他们是否真正证明了这些方法的价值。用户群体虽然规模不大，但却充满热情！如果你遇到使用 PCA/PLS 的人，而他们又没有使用 JMP，那么在决定向他们推销产品之前，务必谨慎。
总之，我附上了一些我用来讨论这个主题的案例研究日志。最终的案例研究数据表比较大，所以我单独附上了。我很乐意详细讲解这些内容。当然，它们真的应该列入技术成熟度等级（TRL）！
回复：多元基础知识谢谢菲尔！我会仔细研究这些例子。
回复：多元基础知识主成分分析（PCA）广泛应用于群体遗传学/基因组学。
我在攻读硕士学位期间使用主成分分析法（PCA）研究艾滋病毒感染者的群体演变。当时我用的是Python，R语言也有很多类似的软件包。真希望那时我就知道JMP这个软件。
