多元基礎知識來自東南亞各地的SE們，大家好！
關於多元分析，我有個簡短的問題想請教一下，身為工程師/科學家，你之前的經驗中哪些內容真正有用？你認為人們應該了解哪些主題？
例如：當電腦能夠處理大量變數時，PCA 真的還有用嗎？ ——或者說，這項技術的基本原理是否有巧妙而相關的應用方式（如果能在 JMP Pro 中實現就更好了）？
或者你知道的酷炫科技
就像將聚類組與平行圖配對一樣
謝謝，祝你二月愉快。
狩獵
進階統計建模資料融合與清理預測建模和機器學習回覆：多元基礎知識我腦海中浮現出三點想法：
- 幾年前還在職場的時候，上過 Di Michelson 的多元統計課程。這門課讓我徹底明白了 JMP 裡「多元統計」菜單的運作機制。我在點播課程裡找不到這門課了。不知道課程筆記是不是還能找到。我沒找到 Di 的標籤，所以就標記一下@ruthhummel 。
- 關於您提出的主成分問題，我認為聚類變量在變量減少方面更勝一籌，但我隱約記得（我想是？） @Phil_Kay做過一個視頻或博客，展示了主成分如何能有效地看到可以從過程知識中得出或應該得出的廣泛分組。
- 多元嵌入是一種用於視覺化超大型資料集的快速工具，它是 JMP Pro 的內建工具。範例檔案「Prostate Cancer.jmp」展示了一些非常有趣的內容，耗時僅約 2 秒。如果我的資料也包含類似這樣的訊息，我會對這 11 行資料非常感興趣：
回覆：多元基礎知識太棒了！謝謝傑德
我個人在工程工作中很少使用這些技術，所以很高興聽到其他人的看法。
我同意使用聚類變數而不是主成分分析，因為我們處理的不是抽象的列，而是找到一個聚類中「最具代表性」的列（一個真實的列）。
回覆：多元基礎知識您可以從這裡取得資料： 僅供內部使用的教育課程資料 - JMP 使用者社群。將來有一天，我會將其轉換為某種形式的線上內容。
回覆：多元基礎知識這是一個很好的問題。在歐洲，SIMCA 和 Unscrambler 的開發者在推廣多元統計方法方面做得非常出色，尤其是 PCA 和 PLS，尤其是在生物技術和化學工業。但我並不確定他們是否真正證明了這些方法的價值。使用者群體雖然規模不大，但卻充滿熱情！如果你遇到使用 PCA/PLS 的人，而他們沒有使用 JMP，那麼在決定向他們推銷產品之前，請務必謹慎。
總之，我附上了一些我用來討論這個主題的案例研究日誌。最後的案例研究資料表比較大，所以我單獨附上了。我很樂意詳細講解這些內容。當然，它們真的應該列入技術成熟度等級（TRL）！
回覆：多元基礎知識謝謝菲爾！我會仔細研究這些例子。
回覆：多元基礎知識主成分分析（PCA）廣泛應用於群體遺傳學/基因組學。
我在攻讀碩士學位期間使用主成分分析法（PCA）研究愛滋病毒感染者的群體演變。當時我用的是Python，R語言也有很多類似的軟體包。真希望那時我就知道JMP這個軟體。
