我有兴趣使用一组土地利用分类变量来预测反映植物生产的连续变量。该数据集是一个像素级数据集，其中每个像素都有一个植物生产值和一个土地利用分类。有 50 多个土地利用类别，我想将其减少到更小的数量。我想根据土地利用类别对植物生产总体差异的贡献来执行降维。据我所知，除非我将植物生产分类并使其分类，否则 MCA 将无法工作。任何关于如何基于连续变量的值对分类变量执行降维的想法将不胜感激。
需要明确的是 - 我对所需矩阵的构造以及在 R 或 Python 中处理矩阵的包感兴趣。谢谢！
我有兴趣使用一组土地利用分类变量来预测反映植物生产的连续变量。该数据集是一个像素级数据集，其中每个像素都有一个植物生产值和一个土地利用分类。有 50 多个土地利用类别，我想将其减少到更小的数量。我想根据土地利用类别对植物生产总体差异的贡献来执行降维。据我所知，除非我将植物生产分类并使其分类，否则 MCA 将无法工作。任何关于如何基于连续变量的值对分类变量执行降维的想法将不胜感激。
需要明确的是 - 我对所需矩阵的构造以及在 R 或 Python 中处理矩阵的包感兴趣。谢谢！