PCA

PCA — Analisis Komponen Utama mengubah tabel variabel yang berkorelasi menjadi beberapa komponen yang menangkap sebagian besar cerita. Ketik data Anda dan dapatkan nilai eigen, plot scree, varians yang dijelaskan, bobot, dan biplot secara instan — sehingga Anda dapat melihat variabel mana yang bergerak bersama dan berapa banyak dimensi yang sebenarnya Anda butuhkan. Sepenuhnya offline.

Ukur tinggi badan, berat badan, lingkar pinggang, lingkar dada, dan lingkar pinggul, dan Anda akan menemukan bahwa sebagian besar bergerak bersama — sebenarnya semuanya adalah satu hal mendasar, "ukuran". PCA menemukan arah tersembunyi tersebut secara otomatis: ia memutar variabel Anda ke sumbu baru (komponen utama) yang diurutkan berdasarkan seberapa banyak variasi yang ditangkap oleh masing-masing komponen, sehingga beberapa komponen pertama sering kali merangkum hampir semuanya.

Tidak perlu mendaftar. Tidak perlu internet. Tidak ada data yang dikumpulkan. Hanya statistik yang jelas dan instan.

APA YANG DAPAT ANDA LAKUKAN

• Data — ketik dataset Anda ke dalam grid yang rapi, satu kolom per variabel dan satu baris per observasi. Semuanya dihitung ulang saat Anda mengetik; baris dengan nilai kosong akan dilewati.

• Scree — lihat nilai eigen setiap komponen dari yang terbesar terlebih dahulu, dengan garis Kaiser di 1, sehingga Anda dapat mempertahankan komponen di atasnya atau berhenti di "titik siku" tempat penurunan mendatar. Biplot menempatkan observasi pada dua komponen pertama dengan variabel yang digambarkan sebagai panah.

• Konsep — pelajari apa yang dilakukan PCA, apa arti nilai eigen dan muatan, dan bagaimana varians dibagi di seluruh komponen — dengan rumus offline yang tertata rapi dan tidak pernah tumpang tindih.

• Simulasikan — bangun data berkorelasi dari beberapa faktor tersembunyi, atur kekuatan korelasi, jumlah variabel, faktor, dan observasi dengan slider bertingkat + / -, dan saksikan plot scree menunjukkan dengan tepat berapa banyak komponen yang bertahan.

• Contoh — muat dataset siap pakai (pengukuran tubuh, mobil, dan lainnya) dengan satu ketukan.

APA YANG ANDA DAPATKAN

• Nilai eigen dan persentase varians yang dijelaskan oleh setiap komponen.

• Grafik scree plot dengan garis Kaiser (nilai eigen > 1).

• Beban komponen — bagaimana setiap variabel asli memengaruhi setiap komponen.

• Grafik biplot observasi dan panah variabel.

MENGAPA ANDA AKAN MENYUKAINYA

• Lihat dimensinya — grafik scree plot menunjukkan seberapa sedikit komponen yang sebenarnya Anda butuhkan.

• Baca bebannya — temukan variabel mana yang berbagi komponen dan menunjuk ke arah yang sama.

• Sepenuhnya offline — setiap nilai eigen, plot, dan rumus berfungsi tanpa koneksi internet.

• Praktis — ketik data yang tepat, atau buat data yang berkorelasi dengan slider dan stepper + / -.

• Desain "Deep Turquoise" yang bersih, nyaman di mata.

• Ramah privasi — data Anda tetap berada di perangkat Anda.

Baik Anda seorang mahasiswa yang baru pertama kali mengenal nilai eigen, seorang analis data yang mengurangi dimensi sebelum pemodelan, atau siapa pun yang mencoba memahami banyak pengukuran yang berkorelasi, PCA mengubah tabel yang lebar menjadi gambaran yang jelas dan ringkas dalam hitungan detik.

Unduh, tempel variabel Anda, dan lihat betapa sedikit dimensi yang sebenarnya Anda butuhkan.