PCA

PCA (Temel Bileşen Analizi), birbiriyle ilişkili değişkenlerden oluşan geniş bir tabloyu, hikayenin büyük bir bölümünü yakalayan birkaç bileşene dönüştürür. Verilerinizi yazın ve anında özdeğerleri, saçılım grafiğini, açıklanan varyansı, yüklemeleri ve bir biplot'u elde edin; böylece hangi değişkenlerin birlikte hareket ettiğini ve gerçekten kaç boyuta ihtiyacınız olduğunu görebilirsiniz. Tamamen çevrimdışı.

Boy, kilo, bel, göğüs ve kalça ölçülerini alın ve bunların çoğunlukla birlikte hareket ettiğini göreceksiniz; aslında bunlar tek bir temel şey, "boyut"tur. PCA bu gizli yönleri otomatik olarak bulur: değişkenlerinizi, her birinin ne kadar varyasyon yakaladığına göre sıralanmış yeni eksenlere (temel bileşenler) döndürür, böylece ilk birkaç bileşen genellikle neredeyse her şeyi özetler.

Kayıt gerekmez. İnternet gerekmez. Veri toplanması gerekmez. Sadece net, anlık istatistikler.

NELER YAPABİLİRSİNİZ

• Veri — Veri setinizi temiz bir tabloya, değişken başına bir sütun ve gözlem başına bir satır olacak şekilde yazın. Siz yazarken her şey yeniden hesaplanır; boş satırlar atlanır.

• Eğim grafiği — Her bileşenin özdeğerini en büyükten en büyüğe doğru, Kaiser çizgisi 1'de olacak şekilde görün; böylece bileşenleri bu çizginin üzerinde tutabilir veya düşüşün düzleştiği "dirsek" noktasında durdurabilirsiniz. İki bileşenli grafik, değişkenleri oklar olarak çizerek gözlemleri ilk iki bileşene yerleştirir.

• Kavram — PCA'nın ne yaptığını, özdeğerlerin ve yüklemelerin ne anlama geldiğini ve varyansın bileşenler arasında nasıl paylaşıldığını öğrenin — asla üst üste binmeyen, çevrimdışı, güzelce düzenlenmiş formüllerle.

• Simülasyon — Birkaç gizli faktörden ilişkili veriler oluşturun, +/- kademeli kaydırıcılarla korelasyon gücünü, değişken sayısını, faktörleri ve gözlemleri ayarlayın ve eğim grafiğinin tam olarak kaç bileşenin hayatta kaldığını göstermesini izleyin.

• Örnekler — Tek dokunuşla hazır veri kümelerini (vücut ölçüleri, arabalar ve daha fazlası) yükleyin.

NE ELDE EDERSİNİZ

• Özdeğerler ve her bileşenin açıkladığı varyans yüzdesi.

• Kaiser (özdeğer > 1) çizgisiyle birlikte bir eğim grafiği.

• Bileşen yüklemeleri — her bir orijinal değişkenin her bir bileşeni nasıl beslediği.

• Gözlemlerin ve değişken oklarının iki boyutlu grafiği.

NEDEN BEĞENECEKSİNİZ?

• Boyutları görün — eğim grafiği, gerçekten ne kadar az bileşene ihtiyacınız olduğunu gösterir.

• Yüklemeleri okuyun — hangi değişkenlerin bir bileşeni paylaştığını ve aynı yöne işaret ettiğini bulun.

• Tamamen çevrimdışı — her özdeğer, grafik ve formül bağlantı olmadan çalışır.

• Uygulamalı — kesin verileri girin veya kaydırıcılar ve +/- adımlarla ilişkili veriler oluşturun.

• Göz yormayan, temiz "Derin Turkuaz" tasarım.

• Gizlilik dostu — verileriniz cihazınızda kalır.

İster özdeğerlerle ilk kez karşılaşan bir öğrenci, ister modellemeden önce boyutları azaltan bir veri analisti, isterse de birçok ilişkili ölçümü anlamlandırmaya çalışan biri olun, PCA geniş bir tabloyu saniyeler içinde net ve kompakt bir resme dönüştürür.

İndirin, değişkenlerinizi yapıştırın ve gerçekten ne kadar az boyuta ihtiyacınız olduğunu görün.