pca

语法

pca(ds, [colNames], [k], [normalize], [maxIter], [svdSolver], [randomState])

参数

ds 是一个或多个数据源，通常由 sqlDS 函数生成。

colNames 是字符串向量，表示数据源中的列名。默认值是数据源中所有列的列名。

k 是一个正整数，表示需要计算的主成分的个数。默认值是数据源中的列数。

normalize 是一个布尔值，表示是否将数据减去均值再除以标准差。默认值为false。

maxIter 是一个正整数，表示参数 svdSolver =randomized时的迭代次数。若未指定，当 k <0.1*cols时，maxIter = 7，否则maxIter = 4。这里cols表示数据源中的列数。

svdSolver 是一个字符串，表示如何对数据源进行svd运算。它的取值可以是”full”, “randomized”或”auto”。svdSolver = “full”适合k值与数据源的列数相近的情况；svdSolver = “randomized”适合k值与数据源的列数相差较大的情况。默认值为”auto”，此时系统会自动判断使用”full”还是”randomized”。

randomState 是一个整数，表示随机数种子，仅在参数 svdSolver =”randomized”时起作用，默认为int(time(now()))。

详情

对数据源中指定列中的数据进行主成分分析。返回的结果是一个字典，包含以下键：

• components: 对应长度为size( colNames )*k的主成分分析矩阵。

• explainedVarianceRatio: 对应长度为k的向量，包含前k个主成分分别解释的方差权重。

• singularValues: 对应长度为k的向量，包含主成分方差(协方差矩阵特征值)。

例子

$ x = [7,1,1,0,5,2]
$ y = [0.7, 0.9, 0.01, 0.8, 0.09, 0.23]
$ t=table(x, y)
$ ds = sqlDS(<select * from t>);

$ pca(ds);

components->
#0        #1
--------- ---------
-0.999883 0.015306
-0.015306 -0.999883
explainedVarianceRatio->[0.980301,0.019699]
singularValues->[6.110802,0.866243]