Nó PCA/Fator

O nó PCA/Fator fornece técnicas poderosas de redução de dados para reduzir a complexidade de seus dados. Duas abordagens semelhantes, porém distintas, são fornecidas.

• A análise de componentes principais (PCA) encontra combinações lineares dos campos de entrada que fazem o melhor trabalho de capturar a variância em todo o conjunto de campos, onde os componentes são ortogonais (perpendiculares) entre si. O PCA foca em todas as variâncias, incluindo variância compartilhada e exclusiva.
• A análise fatorial tenta identificar conceitos subjacentes, ou fatores, que explicam o padrão de correlações dentro de um conjunto de campos observados. A análise fatorial foca apenas na variância compartilhada. A variância que é exclusiva para os campos específicos não é considerada na estimativa do modelo. Vários métodos de análise fatorial são fornecidos pelo nó Fator/PCA.

Para ambas as abordagens, o objetivo é localizar um pequeno número de campos derivados que sumarizem efetivamente as informações no conjunto de campos original.

Requisitos. Apenas campos numéricos podem ser utilizados em um modelo PCA-Fator. Para estimar uma análise de fator ou PCA, você precisa de um ou mais campos com o papel configurado para Input campos. Campos com a função definida como Target, Bothou None são ignorados, como são campos não numéricos.

Fortes. A análise fatorial e o PCA podem reduzir efetivamente a complexidade de seus dados sem sacrificar grande parte do conteúdo das informações. Essas técnicas podem ajudar a construir modelos mais robustos que executam mais rapidamente do que seria possível com os campos de entrada brutos.