利用多變量分析中的PCA、PLS的回歸方法，可以輕易把3D構型的數據回歸整理。以下就是這次案例介紹的數據與展現：

  本案例中，第一部分有17個品種的番茄、共發展出11個感官特性及14位訓練型品評員。第二部分由379位消費型品評員進行preference test；第三部分，則有17個品種的物化特性。像這樣三個方向的數據，可以怎樣呈現可以最能看出喜好性的趨勢與消費者需求的趨勢?

透過PCA分析可以看到下圖左邊是PC1與PC2，可以看出喜好性可以分出2個族群；而右邊的PC3與PC4則又分出第3個族群。

  繼而可以透過L-PLS的方法，找出對喜好性正向與負項的因子，從而分析出消費者喜好與否的解釋因子，而能做出理想的開發或是銷售計畫。以上圖而言，紅字的3個族群GAK、ACO與EMA，從而建立出下表的結論。…了解更多