PCA

Метод главных компонент (PCA) преобразует обширную таблицу коррелированных переменных в несколько компонентов, которые отражают большую часть картины. Введите свои данные и мгновенно получите собственные значения, график собственных значений, объясненную дисперсию, факторные нагрузки и биплот — так вы сможете увидеть, какие переменные движутся вместе и сколько измерений вам действительно нужно. Полностью в автономном режиме.

Измерьте рост, вес, талию, грудь и бедра, и вы обнаружите, что они в основном движутся вместе — на самом деле это одна общая величина, «размер». PCA автоматически находит эти скрытые направления: он поворачивает ваши переменные в новые оси (главные компоненты), упорядоченные по тому, сколько вариации каждая из них охватывает, поэтому первые несколько компонентов часто суммируют почти все.

Без регистрации. Без интернета. Без сбора данных. Просто понятная, мгновенная статистика.

ЧТО ВЫ МОЖЕТЕ СДЕЛАТЬ

• Данные — введите свой набор данных в удобную таблицу, один столбец на переменную и одна строка на наблюдение. Все пересчитывается по мере ввода; пустые строки пропускаются.

• График собственных значений — отсортируйте собственные значения каждого компонента по принципу «наибольший-первый», используя линию Кайзера на уровне 1, чтобы вы могли отсортировать компоненты выше него или остановиться на «изгибе», где падение выравнивается. На биплоте наблюдения отображаются на первых двух компонентах, а переменные — стрелками.

• Концепция — узнайте, что делает метод главных компонент (PCA), что означают собственные значения и нагрузки, и как дисперсия распределяется между компонентами — с помощью удобных, набранных в автономном режиме формул, которые никогда не перекрываются.

• Моделирование — создайте коррелированные данные из нескольких скрытых факторов, установите силу корреляции, количество переменных, факторов и наблюдений с помощью ползунков +/- и наблюдайте, как график собственных значений показывает, сколько компонентов осталось.

• Примеры — загрузите готовые наборы данных (измерения тела, автомобили и многое другое) одним касанием.

ЧТО ВЫ ПОЛУЧАЕТЕ

• Собственные значения и процент дисперсии, объясняемый каждым компонентом.

• График собственных значений с линией Кайзера (собственное значение > 1).

• Нагрузки компонентов — как каждая исходная переменная влияет на каждый компонент.

• Биплот наблюдений и стрелок переменных.

ПОЧЕМУ ВАМ ЭТО ПОНРАВИТСЯ

• Видите размерность — график собственных значений показывает, как мало компонентов вам действительно нужно.

• Читайте нагрузки — найдите, какие переменные имеют общий компонент, и укажите в одном направлении.

• Полностью автономный режим — каждое собственное значение, график и формула работают без подключения к сети.

• Практическое использование — вводите точные данные или создавайте коррелированные данные с помощью ползунков и +/- шагов.

• Чистый дизайн «Глубокий бирюзовый», приятный для глаз.

• Защита конфиденциальности — ваши данные остаются на вашем устройстве.

Независимо от того, являетесь ли вы студентом, впервые сталкивающимся с собственными значениями, аналитиком данных, уменьшающим размерность перед моделированием, или кем-либо, пытающимся разобраться во множестве коррелированных измерений, PCA превращает широкую таблицу в четкую, компактную картину за считанные секунды.

Скачайте, вставьте свои переменные и посмотрите, как мало измерений вам действительно понадобится.