跳到主要内容

主成分分析2D投影（PCA 2D Projection）使用文档

组件名称主成分分析2D投影（PCA 2D Projection）
工具集机器学习/算法设计/机器学习/评估/主成分分析2D投影（PCA 2D Projection）
组件作者雪浪云-燕青
文档版本1.0
功能主成分分析2D投影（PCA 2D Projection）
镜像名称ml_components:3
开发语言Python

组件原理​

PCA(Principal Components Analysis)，它是一种“投影(projection)技巧”，就是把高维空间上的数据映射到低维空间。比如三维空间的一个球，往坐标轴方向投影，变成了一个圆。球是3维的，圆是2维的。在球变成圆的这个投影过程中，丢失了原来物体(球)的一部分“性质”---圆不是球了，只有面积没有体积了；也保留了原来物体的一部分性质。

而对于一个训练样本y而言，假设它有M个特征(M维)，y={y1, y2,...yM}，通过PCA，进行投影，降维成D维(M>D)。

PCA降维的目标就是：找到一种投影方式，将原来的M维样本y 变成 D维样本x，并且使得投影之后的D维样本x，能够尽可能多地保存原来的样本y中的信息。

输入桩​

支持Csv文件输入。

输入端子1​

  • 端口名称：输入数据
  • 输入类型：Csv文件
  • 功能描述：输入预测后的数据

输入端子2​

  • 端口名称：PCA模型
  • 输入类型：sklearn文件
  • 功能描述：输入PCA模型

输出桩​

支持image文件输出。

输出端子1​

  • 端口名称：输出图片
  • 输出类型：image文件
  • 功能描述：输出主成分分析2D投影图

参数配置​

标题​

  • 功能描述：图像的标题
  • 必选参数：是
  • 默认值：（无）

显示biplot​

  • 功能描述：是否显示biplot
  • 必选参数：是
  • 默认值：true

特征字段​

  • 功能描述：特征字段
  • 必选参数：是
  • 默认值：（无）

标签列​

  • 功能描述：标签列
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

![](https://suanpan-public.oss-cn-shanghai.aliyuncs.com/suanpan-doc/github_docs_extra/img/主成分分析2D投影（PCA 2D Projection）.png)

测试用例​

  • 模板

  • 右面板配置

  • 查看结果