主成分分析

概述

主成分分析（Principal Components Analysis，PCA）是统计分析中简化数据集的一种算法，常用于减少数据集的维数，同时保持数据集中对方差贡献最大的特征。该算法主要通过对原始数据矩阵进行奇异值分解（Singular Value Decomposition，SVD），以得出数据的主成分（即特征向量），应用场景主要为高维数据降维等。

输入

输出

数据集

参数说明

样例

inputs = {
    "dataframe": None  # @input {"label":"dataframe","type":"DataFrame"}
}
params = {
    "inputs": inputs,
    "b_output_action": True,
    "b_use_default_encoder": True,
    "input_features_str": "",  # @param {"label":"input_features_str","type":"string","required":"false","helpTip":""}
    "outer_pipeline_stages": None,
    "pca_input_features_col": "pca_input_features",  # @param {"label":"pca_input_features_col","type":"string","required":"true","helpTip":""}
    "pca_output_vector_col": "pca_output_features",  # @param {"label":"pca_output_vector_col","type":"string","required":"true","helpTip":""}
    "k": 5  # @param {"label":"k","type":"integer","required":"true","range":"(0,2147483647]","helpTip":"k"}
}
pca____id___ = MLSPCA(**params)
pca____id___.run()
# @output {"label":"dataframe","name":"pca____id___.get_outputs()['output_port_1']","type":"DataFrame"}