主成分分析（PCA）是研究如何通过少数主成分揭示多个变量间的内部结构，考察多个变量间相关性的一种多元统计方法。PCA从原始变量中导出少数主成分，使它们尽可能多地保留原始变量的信息，并且彼此间互不相关，作为新的综合指标。

使用限制

主成分分析算法实现了降维和降噪的功能，仅支持稠密数据格式。

组件配置

您可以使用以下任意一种方式，配置主成分分析组件参数。

方式一：可视化方式

在PAI-Designer（原PAI-Studio）工作流页面配置组件参数。
页签 参数 描述
字段设置 选择特征列 输入表中用于分析的列名称。
附加列 附加在降维数据表后的列。
参数设置 信息量比例 降维后数据信息占原来的比例。
特征分解方式 分解特征的方式，取值如下：
  • CORR
  • COVAR_SAMP
  • COVAR_POP
数据转换方式 转换为新数据的处理方式，取值如下：
  • Simple
  • Sub-Mean
  • Normalization
执行调优 生命周期 指定输出表的生命周期，取值为正整数。
节点个数 与单个节点内存大小参数配对使用。取值为[1, 9999]的正整数。
单个节点内存大小 单位为兆。取值范围为[1024, 64*1024]的正整数。

方式二：PAI命令方式

使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。
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;
参数名称 是否必选 参数描述 默认值
inputTableName 是 进行主成分分析的输入表。 无
selectedColNames 是 输入表中用于分析的列名称。

使用逗号分隔，支持INT和DOUBLE类型。

 无
eigOutputTableName 是 特征向量与特征值的输出表。 无
princompOutputTableName 是 进行主成分降维降噪后的结果输出表。 无
transType 否 转换原表为主成分分析表的方式，取值如下：
  • Simple
  • Sub-Mean
  • Normalization
 Simple
calcuType 否 对原表进行特征分解的方式，取值如下：
  • CORR
  • COVAR_SAMP
  • COVAR_POP
 CORR
contriRate 否 数据信息降维后保留的百分比。取值范围为(0,1)。 0.9
remainColumns 否 降维表保留原表的字段。 无
coreNum 否 节点个数，与memSizePerCore参数配对使用。取值范围为[1, 9999]的正整数。 系统自动分配。
memSizePerCore 否 单个节点的内存大小，单位为兆。取值范围为[1024, 64*1024]的正整数。 系统自动分配。
lifecycle 否 指定输出表的生命周期，取值为正整数。 无

示例

PCA输出示例
  • 降维后的数据表降为数据表
  • 特征值和特征向量表特征值和特征向量表