工厂节点属性
因子/主成分分析节点提供了用于降低数据复杂程度的强大数据缩减技术。 主成分分析（PCA）找出输入字段的线性组合，这些组合能够最好地捕捉整个字段集中的差异，其中各成分相互垂直。 因子分析试图找出解释一组观察领域内相关性模式的潜在因素。 这两种方法的目标都是找出少数几个派生字段，以有效概括原始字段集中的信息。
示例
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)factornode 属性 |
值 | 属性描述 |
|---|---|---|
inputs |
[field1 ... fieldN] | PCA/因子模型使用一系列输入字段，但没有目标。 不使用权重字段和频率字段。 请参阅 公共建模节点属性 以获取更多信息。 |
method |
PC ULS GLS ML PAF Alpha Image |
|
mode |
Simple Expert |
|
max_iterations |
号 | |
complete_records |
标志 | |
matrix |
Correlation Covariance |
|
extract_factors |
ByEigenvalues ByFactors |
|
min_eigenvalue |
号 | |
max_factor |
号 | |
rotation |
None Varimax DirectOblimin Equamax Quartimax Promax |
|
delta |
号 | 如果您选择 DirectOblimin 作为轮换数据类型，可以为 delta 指定一个值。 如果未指定值，那么将使用 delta 的缺省值。 |
kappa |
号 | 如果您选择 Promax 作为轮换数据类型，可以为 kappa 指定一个值。 如果未指定值，那么将使用 kappa 的缺省值。 |
sort_values |
标志 | |
hide_values |
标志 | |
hide_below |
号 |