propriétés factornode

Icône du noeud ACP/Facteur Le noeud ACP/Analyse factorielle propose des techniques de factorisation puissantes qui vous permettent de réduire la complexité de vos données. L'analyse en composantes principales (ACP) trouve les combinaisons linéaires des champs d'entrée qui capturent le mieux la variance dans l'ensemble des champs, où les composantes sont orthogonales (perpendiculaires) les unes aux autres. L'analyse factorielle tente d'identifier les facteurs sous-jacents qui expliquent le modèle de corrélations au sein d'un ensemble de champs observés. Pour les deux approches, l'objectif est de trouver un petit nombre de champs dérivés qui résument efficacement les informations contenues dans l'ensemble original de champs.

Exemple

node = stream.create("factor", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("inputs", ["BP", "Na", "K"])
node.setPropertyValue("partition", "Test")
# "Model" tab
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "Factor_Age")
node.setPropertyValue("use_partitioned_data", False)
node.setPropertyValue("method", "GLS")
# Expert options
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("complete_records", True)
node.setPropertyValue("matrix", "Covariance")
node.setPropertyValue("max_iterations", 30)
node.setPropertyValue("extract_factors", "ByFactors")
node.setPropertyValue("min_eigenvalue", 3.0)
node.setPropertyValue("max_factor", 7)
node.setPropertyValue("sort_values", True)
node.setPropertyValue("hide_values", True) 
node.setPropertyValue("hide_below", 0.7)
# "Rotation" section
node.setPropertyValue("rotation", "DirectOblimin")
node.setPropertyValue("delta", 0.3)
node.setPropertyValue("kappa", 7.0)

Tableau 1. propriétés de factornode
`factornode` Propriétés	Valeurs	Description de la propriété
`inputs`	[field1 ... fieldN]	Les modèles PCA/Factor utilisent une liste de champs d'entrée, mais pas de cible. Les champs de pondération et de fréquence ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
`method`	`PC` `ULS` `GLS` `ML` `PAF` `Alpha` `Image`
`mode`	`Simple` `Expert`
`max_iterations`	numéro aujourd'hui
`complete_records`	option
`matrix`	`Correlation` `Covariance`
`extract_factors`	`ByEigenvalues` `ByFactors`
`min_eigenvalue`	numéro aujourd'hui
`max_factor`	numéro aujourd'hui
`rotation`	`None` `Varimax` `DirectOblimin` `Equamax` `Quartimax` `Promax`
`delta`	numéro aujourd'hui	Si vous sélectionnez « `DirectOblimin` » comme type de données de rotation, vous pouvez spécifier une valeur pour « `delta` ». Si vous ne spécifiez pas de valeur, la valeur par défaut de `delta` est utilisée.
`kappa`	numéro aujourd'hui	Si vous sélectionnez « `Promax` » comme type de données de rotation, vous pouvez spécifier une valeur pour « `kappa` ». Si vous ne spécifiez pas de valeur, la valeur par défaut de `kappa` est utilisée.
`sort_values`	option
`hide_values`	option
`hide_below`	numéro aujourd'hui