Узел PCA/фактора

Узел PCA/фактора предоставляет мощные средства сокращения числа данных для уменьшения сложности ваших данных. Предлагаются два похожих, но различных подхода.

• Анализ главных компонентов (principal components analysis, PCA) находит линейные комбинации входных полей, которыми главным образом определяются изменения в целом наборе полей, где компоненты ортогональны друг другу. PCA направлен на всю изменчивость, и совместную, и уникальную.
• Целью факторного анализа является выявление скрытых понятий или факторов , объясняющих структуру корреляций внутри набора наблюдаемых полей. Факторный анализ направлен только на совместную изменчивость. Уникальная дисперсия отдельных полей не рассматривается при оценке модели. Узел факторов/PCA предоставляет несколько вариантов факторного анализа.

Цель обоих подходов - найти небольшое количество производных полей, которые эффективно суммируют информацию исходного набора входных полей.

Требования. В факторных моделях и в моделях PCA можно использовать только числовые поля. Чтобы оценить факторный анализ или анализ PCA, нужно одно или несколько полей с заданной ролью Входных полей. Поля с заданной ролью Назначение, Оба или Нет игнорируются, как и не числовые поля.

Достоинства. Факторный анализ и анализ PCA могут эффективно уменьшить сложность ваших данных без существенного вреда для информационного содержимого. Эти способы могут помочь в построении более устойчивых моделей, выполняемых быстрее, чем было бы возможно для исходных входных полей.