主成分分析（PCA）の計算と可視化
CSVを貼り付けると、主成分分析の固有値・寄与率・累積寄与率、スクリープロット、2次元と3次元の得点プロット、バイプロットを表示します。相関行列から固有ベクトルまでの計算の手順も1段階ずつ確認でき、結果はCSVで保存できます。
行数 × 列数—
第1主成分の寄与率—
基準で残る主成分—
残した成分での精度—
全成分での精度—
1本で最も役立つ成分—
スクリープロットと累積寄与率
棒は各主成分の寄与率、青い線は累積寄与率で、しきい値の基準で残る本数に印を付けています。ラベル列を選ぶと、先頭k本を使ったときの交差検証精度をオレンジの線で重ねます。
寄与率の大きさと役立つかどうかは別
上段は各主成分の寄与率（対数目盛）、下段はその成分1本だけを入力にしたときの5分割交差検証の精度です。点線は、いちばん多いクラスを答え続けた場合の精度です。
自分のデータを貼り付ける
1行に1件、先頭行は列名にして、カンマ・タブ・セミコロンのいずれかで区切ってください。数値の列が分析する変数になります。2〜20種類の値を持つ文字の列は、点の色分けとクラスのラベルに使えます。数値が欠けた行は除外します。データは送信されず、計算はブラウザ内で行います。
計算の手順
設定の意味
「列を標準化する」をオンにすると相関行列、オフにすると共分散行列から主成分を求めます。「累積寄与率のしきい値」は、累積寄与率が何%に届くまで主成分を残すかの基準です。ラベル列を選ぶと、各主成分1本だけで分類したときの精度を5分割交差検証で測ります。
まず試してみること
まずIrisで「列を標準化する」を切り替え、第1主成分の寄与率が72.96%と92.46%の間で変わることを確かめてください。次にプリセット「寄与率の罠」を選び、寄与率の大きい第1主成分と小さい第2主成分のヒストグラムを見比べます。自分のデータは「自分のデータを貼り付ける」か「CSVファイルを開く」から分析できます。
結果の見方
寄与率はその主成分が全体の散らばりの何%を説明するか、累積寄与率は上位k本の合計です。下のグラフの「1本だけの精度」は、点線（いちばん多いクラスを答え続けた場合の精度）と比べて読んでください。寄与率が大きいことと分類に役立つことは別です。主成分の符号の向きは任意で、計算に意味はありません。