PCA/Factor düğümü

PCA/Factor düğümü, verilerinizin karmaşıklığını azaltmak için güçlü veri azaltma teknikleri sağlar. İki benzer ama ayrı yaklaşımlar sağlanır.

• Principal components Analysis (PCA) , bileşenlerin dikey (dikey) birbirlerine dikey (dik dik) olduğu tüm alan kümesinde varyansı yakalamanın en iyi işini yapan giriş alanlarının doğrusal birleşimlerini bulur. PCA, paylaşılan ve benzersiz fark da dahil olmak üzere tüm varyans üzerine odaklanır.
• Faktör analizi , bir gözlemlenen alanlar kümesi içindeki ilintilerin kalıbını açıklayan temel kavramları ya da etkenleritanımlamayı dener. Faktör analizi yalnızca paylaşılan varyans üzerinde odaklanır. Belirli alanlar için benzersiz olan varyans, modelin tahmin edilmesinde dikkate alınmamaktadır. Factor/PCA düğümü tarafından birçok faktör analizi yöntemi sağlanır.

Her iki yaklaşım için de amaç, özgün alan kümesindeki bilgileri etkili bir şekilde özetleyen küçük bir türetilmiş alan bulmak.

Gereksinimler. Bir PCA-Factor modelinde yalnızca sayısal alanlar kullanılabilir. To estimate a factor analysis or PCA, you need one or more fields with the role set to Input fields. Rol, Target, Bothya da None olarak ayarlanmış olan alanlar, sayısal olmayan alanlar olarak yoksayılır.

Güçlü Yönler. Faktör analizi ve PCA, bilgi içeriğinden ödün vermeden verilerinizin karmaşıklığını etkili bir şekilde azaltabilir. Bu teknikler, ham giriş alanlarıyla mümkün olabileceğinden daha hızlı bir şekilde yürüten daha güçlü modeller oluşturmanıza yardımcı olur.