主成分分析

组件介绍

**“主成分分析”（PCA）**控件将主成分分析方法应用于输入数据。

**“主成分分析”（PCA）**控件对输入数据计算其 PCA 线性转换，输出经过转换的带权重的数据或特征向量。

PCA是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。具体地，主成分可以看做一个线性方程，其包含一系列线性系数来指示投影方向。PCA对原始数据的正则化或预处理敏感（相对缩放）。

---

• 输入：
  • data：数据集
• 输出：
  • data：经过PCA变换后的数据
  • cmp：特征向量

---

页面介绍

点击**“主成分分析”（PCA）**控件查看参数配置页面，如下图所示：

参数选项

选项	说明	取值范围	样例值
主成分占比	主成分覆盖的方差范围	0.1~1	0.9
奇异值分解方法	奇异值分解方法选择	auto full arpack randomized
数据标准化	是否对数据进行标准化操作	勾选/不勾选	不勾选

使用案例

在下图所示的案例中，使用**“加载文件”（File）控件加载数据，通过“查看数据”（Data Table）控件查看加载数据的信息，同时使用“主成分分析”（PCA）控件对数据集进行主成分分析，之后通过“查看数据”（Data Table）**控件查看处理后的数据集。

案例中加载 iris 数据集，案例中控件的配置以及执行结果如下图所示。