Задача выбора одного фактора из плеяды – неформальная задача и решать ее надо всеми возможными методами с учетом мнения специалистов (например технологов исследуемого процесса) лучше всего экспертными методами. Это значит, что в обязательном порядке надо сопоставлять корреляционные плеяды, полученные на основе анализа корреляционной матрицы, составленных не только из коэффициентов корреляции, но и корреляционных отношений, и МИФ. Этим самым уменьшается ошибка от неучета нелениейного характера связи между факторами, а также влияние хоть и принадлежащих к данной двумерной совокупности, но нетипичных пар данных. Кроме того, следует также использовать вспомогательный прием – построение корреляционных ядер по всем трем мерам тесноты связи.

Суть метода корреляционных ядер заключается в том, что анализируется не вся корреляционная матрица, а только ее верхняя треугольная часть. После нахождения максимального по абсолютной величине коэффициента корреляции |r_ij|=max в матрице гасится только этот элемент, затем ищется следующий по абсолютной величине |r_lk| и т.д., из которых строится граф в виде Лангранжева дерева. При появлении очередного |r_if| соответствующая связь признается в том случае, если она не замыкает ветви графа-дерева в некоторый цикл, в противном случае эта связь не учитывается. Метод корреляционных ядер помогает наглядно выявить факторы, к которым как к центру тяготеют другие факторы.

После выделения по одному представителю от каждой плеяды можно из таблицы исходных данных построить таблицу некоррелированных (фактически слабо коррелированных) данных, информационная емкость которой практически не изменяется, а размерность факторного пространства сокращается в несколько раз. Однако в силу того, что плеяды и ядра учитывают не все связи, а только максимальные, следует полученную таблицу предполагаемых некоррелированных данных заново проверить на наличие парных корреляционных зависимостей, вновь составить корреляционную матрицу и проанализировать её с помощью новых плеяд и ядер. В случае обнаружения достаточно сильной корреляционной зависимости ее следует уничтожить (уменьшить до приемлемого уровня) путем замены прежнего фактора на другого представителя из соответствующей первоначальной плеяды. Работа должна быть продолжена до тех пор, пока очередная проверка не подтвердит создание таблицы действительно некоррелированных (фактически слабо коррелированных) данных, которая на самом деле и является исходной для нахождения математических моделей.