阿里云首页 工业大脑开放平台

主成分分析(PCA)-预测

功能说明

  • 主成分分析(PCA)-预测组件:用于主成分分析(PCA)-训练组件产生的模型进行在线数据降维。

  • 仅支持主成分分析(PCA)-训练组件产生的模型。

计算逻辑原理

主成分分析(PCA):设法将原来变量重新组合成一组新的相互无关的几个综合变量,同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析,是数学上处理降维的一种方法。

参数说明

IN端口

参数名

参数描述

是否必填

输入数据类型

模型应用

选择模型类型与具体模型,再配置模型输入数据。

特征变量:整数或浮点数

说明

若存在非数值数据,则会抛出异常

OUT端口

参数名

参数描述

是否必填

输出数据类型

OUT

输出参数与模型输出个数(即模型训练时配置的主成分数量参数)有关。配置规则:pca_i,i是从1到n的正整数,依次增加,n=主成分数量。

例如:当主成分数量为3时,则预测输出参数有3个,分别为pca_1、pca_2、pca_3。

浮点数