次元削減とノイズリダクションのための PCA の設定 - Platform for AI - Alibaba Cloud - Platform For AI

主成分分析 (Principal Component Analysis, PCA) は、多変数の内部構造を探索し、その相関関係を調べるための多変量統計手法です。PCA は、元の変数から相関のない少数の主成分を導出することで次元削減を実行します。これらの主成分は、元のデータから可能な限り多くの情報を保持し、新しい合成指標として機能します。

制限事項

主成分分析 (PCA) コンポーネントは、次元削減とノイズリダクションを実行します。密なデータのみをサポートします。

設定

方法 1：ビジュアルインターフェイス

ビジュアルモデリングで、[主成分分析 (PCA)] コンポーネントをパイプラインに追加し、右側のペインでそのパラメーターを設定します。

タブ	パラメーター	説明
フィールド設定	特徴列	分析に使用する入力テーブルの列です。
フィールド設定	追加列	次元削減された出力テーブルに追加する列です。
パラメーター設定	情報保持率	次元削減後に保持する元のデータの情報の割合です。
	特徴分解モード	特徴分解に使用するメソッドです。有効な値： CORR COVAR_SAMP COVAR_POP
	データ変換方式	データを主成分に変換するために使用するメソッドです。有効な値： Simple 平均差し引き正規化
チューニング	ライフサイクル	出力テーブルのライフサイクルです。正の整数である必要があります。
	コア数	使用するコア数です。このパラメーターは [コアあたりのメモリサイズ (MB)] パラメーターと連携して機能します。値は [1, 9999] の範囲の正の整数である必要があります。
	コアあたりのメモリサイズ (MB)	単位：MB。値は [1024, 65536] の範囲の正の整数である必要があります。

方法 2：PAI コマンド

SQL スクリプトコンポーネントで Platform for AI (PAI) コマンドを実行して、[主成分分析 (PCA)] コンポーネントを設定することもできます。詳細については、「SQL スクリプト」をご参照ください。

PAI -name PrinCompAnalysis
    -project algo_public
    -DinputTableName=bank_data
    -DeigOutputTableName=pai_temp_2032_17900_2
    -DprincompOutputTableName=pai_temp_2032_17900_1
    -DselectedColNames=pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed
    -DtransType=Simple
    -DcalcuType=CORR
    -DcontriRate=0.9;

パラメーター	必須	デフォルト	説明
inputTableName	はい	なし	主成分分析の入力テーブルです。
selectedColNames	はい	なし	分析に使用する入力テーブルの列名です。複数の列名はコンマで区切ります。INT 型および DOUBLE 型の列のみがサポートされています。
eigOutputTableName	はい	なし	固有ベクトルと固有値の出力テーブルです。
princompOutputTableName	はい	なし	次元削減とノイズリダクション後の結果を含む出力テーブルです。
transType	いいえ	シンプル	データを主成分に変換するために使用するメソッドです。有効な値： Simple 平均差し引き正規化
calcuType	いいえ	相関	特徴分解に使用するメソッドです。有効な値： CORR COVAR_SAMP COVAR_POP
contriRate	いいえ	0.9	次元削減後に保持する情報の割合です。値は (0, 1) の範囲である必要があります。
remainColumns	いいえ	なし	次元削減された出力テーブルに含める元のテーブルの列です。
coreNum	いいえ	システム割り当て	使用するコア数です。memSizePerCore パラメーターと連携して動作し、値は [1, 9999] の範囲の正の整数である必要があります。
memSizePerCore	いいえ	システム割り当て	各コアのメモリサイズ (MB) です。値は [1024, 65536] の範囲の正の整数である必要があります。
lifecycle	いいえ	なし	出力テーブルのライフサイクルです。正の整数である必要があります。

例

出力例

この出力テーブルには、4 つの主成分列 prin0、prin1、prin2、および prin3 が含まれています。各行は、次元削減後のサンプルの主成分値を示します。
固有値と固有ベクトルのテーブル：このテーブルには、4 つの主成分 (prin0 から prin3) が含まれています。列は、固有ベクトル成分 (pdays、previous、emp_var_rate、cons_price_idx、cons_conf_idx、euribor3m、および nr_employed)、および対応する eigenvalue (固有値)、contributionrate (寄与率)、および sumcontributionrate (累積寄与率) を示します。