データの確認
1. 数値変数情報リスト
2. カテゴリ変数情報リスト
線形フィッティングプロット: 任意の2つの数値変数間の線形関係を大まかに示します。 灰色の領域は95％の信頼区間です。
3. XとY軸のラベルを変更する
ヒストグラム: ある範囲の値について各観察の頻度を描き、変数の確率分布を大まかに示す図です。
密度プロット: 変数の分布を示します。
ヒストグラムと密度プロット
ビンの数が0の場合、プロットはデフォルトのビンの数を使用します
密度プロット
データの一部
データタブでデータを編集してください
10-fold クロスバリデーションではデータを毎回ランダムに10個に分割するため、更新後の結果は必ずしも同じにはなりません。
R^2
予測の平均二乗誤差 (MSEP)
予測の平均二乗誤差根 (RMSEP)
結果から、Aの増加に伴い、トレーニングの結果がより良い結果を得ることがわかりました（R ^ 2が高く、MSEPとRMSEPが低い）
ただし、CVの結果は異なっていました。 トレーニングが非常に優れていて、CVが非常に悪いと、過剰適合が発生する可能性があり、予測能力が低いことを示します。
この例では、MSEPとRMSEPに従って、3つの成分（A = 3）を選択することにしました。
1. 予測されたYと残差（Y-予測されたY）
係数
A >=2のとき、2成分を選択して2D負荷量プロットを表示する
このプロットでは、component1とcomponent2の散布図をプロットし、327、332が外れ値であることがわかりました。
A >=2のとき、2成分を選択して負荷量の2Dプロットを表示する
このプロットの初回ロード時は少し時間がかかります。
A >=3のとき、3成分を選択して負荷量の3Dプロットを表示する
トレースの凡例
データの一部
データタブでデータを編集してください
10-fold クロスバリデーションではデータを毎回ランダムに10個に分割するため、更新後の結果は必ずしも同じにはなりません。
R^2
予測の平均二乗誤差 (MSEP)
予測の平均二乗誤差根 (RMSEP)
複数の従属変数（Y）を選択したため、結果は各Yによって示されました。
PLSRはYとXの両方から新しい変数を生成するため、R^2はPCRよりも優れています。 Yで説明された分散（％）もPCRよりも高くなっています。
Yの予測値
残差 (Y-Yの予測値)
係数
A >=2のとき、2成分を選択して2D負荷量プロットを表示する
このプロットでは、component1とcomponent2の散布図をプロットし、327、332が外れ値であることがわかりました。
A >=2のとき、2成分を選択して負荷量の2Dプロットを表示する
このプロットの初回ロード時は少し時間がかかります
A >=3のとき、3成分を選択して負荷量の3Dプロットを表示する
トレースの凡例
次の範囲から最適なパラメータを選択してください。
クロスバリデーションでは最小誤差に従ってパラメータが選択され、パラメータを選択するためのガイドとなります。
データタブでデータを編集してください
選択された変数
Yの予測値
このプロットは、変数を選択するによって係数がどのように変化したかを示しています
係数
これは、選択した変数に基づいて導出された成分です
説明A >=2のとき、2成分を選択して2D負荷量プロットを表示する
このプロットでは、component1とcomponent2の散布図をプロットし、378が外れ値であることがわかりました。
これは、選択した変数に基づいて導出された負荷量です
説明
これは、選択した変数に基づいて導出された負荷量です
説明A >=2のとき、2成分を選択して負荷量の2Dプロットを表示する
このプロットの初回ロード時は少し時間がかかります
A >=3のとき、3成分を選択して負荷量の3Dプロットを表示する
x y z must be different
トレースの凡例