使用主成分分析组件进行数据降维与降噪-人工智能平台 PAI-阿里云-人工智能平台 PAI(PAI)-阿里云帮助中心

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。

配置组件

方式一：可视化方式

在Designer工作流页面添加主成分分析组件，并在界面右侧配置相关参数：

参数类型	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。
字段设置	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命令配置主成分分析组件参数。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	默认值	参数描述
inputTableName	是	无	进行主成分分析的输入表。
selectedColNames	是	无	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。
eigOutputTableName	是	无	特征向量与特征值的输出表。
princompOutputTableName	是	无	进行主成分降维降噪后的结果输出表。
transType	否	Simple	转换原表为主成分分析表的方式，取值如下： Simple Sub-Mean Normalization
calcuType	否	CORR	对原表进行特征分解的方式，取值如下： CORR COVAR_SAMP COVAR_POP
contriRate	否	0.9	数据信息降维后保留的百分比。取值范围为(0,1)。
remainColumns	否	无	降维表保留原表的字段。
coreNum	否	系统自动分配。	节点个数，与memSizePerCore参数配对使用。取值范围为[1, 9999]的正整数。
memSizePerCore	否	系统自动分配。	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。
lifecycle	否	无	指定输出表的生命周期，取值为正整数。

示例

PCA输出示例

降维后的数据表：PCA算法输出结果为数据表，包含 prin0、prin1、prin2、prin3 四个主成分列，每行对应一条样本经降维后的主成分数值。
特征值和特征向量表：该表包含4个主成分（prin0至prin3），各列展示特征向量分量（pdays、previous、emp_var_rate、cons_price_idx、cons_conf_idx、euribor3m、nr_employed）以及对应的eigenvalue（特征值）、contributionrate（贡献率）和sumcontributionrate（累计贡献率）。

降维后的数据表PCA算法输出结果为数据表，包含 prin0、prin1、prin2、prin3 四个主成分列，每行对应一条样本经降维后的主成分数值。
特征值和特征向量表该表包含4个主成分（prin0至prin3），各列展示特征向量分量（pdays、previous、emp_var_rate、cons_price_idx、cons_conf_idx、euribor3m、nr_employed）以及对应的eigenvalue（特征值）、contributionrate（贡献率）和sumcontributionrate（累计贡献率）。