PCA

تحليل المكونات الرئيسية (PCA) يحوّل جدولًا واسعًا من المتغيرات المترابطة إلى عدد قليل من المكونات التي تُجسّد معظم الصورة. أدخل بياناتك واحصل فورًا على القيم الذاتية، ومخطط التباين، والتباين المُفسّر، ومعاملات التحميل، ومخطط ثنائي المحاور - لتتمكن من رؤية المتغيرات التي تتحرك معًا وعدد الأبعاد التي تحتاجها فعليًا. يعمل التحليل دون اتصال بالإنترنت.

قِس الطول، والوزن، ومحيط الخصر، ومحيط الصدر، ومحيط الورك، وستجد أنها تتحرك معًا في الغالب - فهي في الواقع شيء واحد أساسي، وهو "الحجم". يكتشف تحليل المكونات الرئيسية هذه الاتجاهات الخفية تلقائيًا: إذ يُعيد ترتيب متغيراتك في محاور جديدة (المكونات الرئيسية) مُرتبة حسب مقدار التباين الذي يُجسّده كل منها، بحيث تُلخّص المكونات القليلة الأولى غالبًا كل شيء تقريبًا.

لا حاجة للتسجيل. لا حاجة للإنترنت. لا حاجة لجمع البيانات. فقط إحصائيات واضحة وفورية.

ما يمكنك فعله

• البيانات - أدخل مجموعة بياناتك في جدول مُنظّم، عمود واحد لكل متغير وصف واحد لكل مُشاهدة. يُعاد حساب كل شيء أثناء الكتابة؛ ويتم تخطي الصفوف الفارغة.

• مخطط التباين - اعرض القيم الذاتية لكل مكون، بدءًا من الأكبر، مع خط كايزر عند 1، لتتمكن من إبقاء المكونات التي تعلوه أو التوقف عند نقطة التوازن حيث يستقر التباين. يعرض الرسم البياني الثنائي الملاحظات على أول مكونين، مع تمثيل المتغيرات بأسهم.

• المفهوم - تعرّف على وظيفة تحليل المكونات الرئيسية (PCA)، ومعنى القيم الذاتية ومعاملات التحميل، وكيفية توزيع التباين بين المكونات - باستخدام صيغ منسقة بشكل أنيق وغير متداخلة.

• المحاكاة - أنشئ بيانات مترابطة من عدد قليل من العوامل الخفية، وحدد قوة الارتباط، وعدد المتغيرات، والعوامل، والملاحظات باستخدام أشرطة التمرير +/-، وشاهد مخطط التباين يوضح بدقة عدد المكونات المتبقية.

• أمثلة - حمّل مجموعات بيانات جاهزة (قياسات الجسم، السيارات، وغيرها) بنقرة واحدة.

ما ستحصل عليه

• القيم الذاتية ونسبة التباين التي يفسرها كل مكون.

• مخطط التباين مع خط كايزر (القيمة الذاتية > 1).

• معاملات التحميل للمكونات - كيفية تأثير كل متغير أصلي على كل مكون.

• مخطط ثنائي الأبعاد للملاحظات وأسهم المتغيرات.

لماذا ستُعجبك هذه الأداة؟

• عرض الأبعاد - يُظهر مخطط التباين عدد المكونات القليلة التي تحتاجها فعلاً.

• قراءة معاملات التحميل - تحديد المتغيرات التي تشترك في مكون واحد وتتجه في نفس الاتجاه.

• تعمل الأداة دون اتصال بالإنترنت - تعمل جميع القيم الذاتية والمخططات والصيغ دون الحاجة إلى اتصال بالإنترنت.

• سهولة الاستخدام - إدخال البيانات بدقة، أو إنشاء بيانات مترابطة باستخدام أشرطة التمرير ومؤشرات الخطوة (+/-).

• تصميم أنيق بلون "الفيروزي الداكن"، مريح للعين.

• الحفاظ على الخصوصية - تبقى بياناتك على جهازك.

سواء كنت طالبًا تتعرف على القيم الذاتية لأول مرة، أو محلل بيانات يُقلل الأبعاد قبل النمذجة، أو أي شخص يحاول فهم العديد من القياسات المترابطة، فإن تحليل المكونات الرئيسية (PCA) يُحوّل جدولًا واسعًا إلى صورة واضحة وموجزة في ثوانٍ.

قم بتنزيله، والصق متغيراتك، وشاهد كم عدد الأبعاد القليلة التي تحتاجها حقًا.