|
El rango de datos data se normaliza automáticamente utilizando el método de promedio cero, variante de unidad. En otras palabras,
|
|
El análisis de componente principal se realiza en el rango de datos normalizado para generar sus autovectores (consulte los detalles descritos para la función de macro PCA). Esto se produce automáticamente para data si base_data no se proporciona. Se realiza mediante la llamada explícita a la función de macro PCA si base_data se proporciona.
|
|
Cada fila () del rango de datos (data) se transforma en un nuevo sistema coordinado() que se basa en los primeros autovectores clasificados num_features (m) que componen :
|
|
|
Dado que el cálculo de PCA en un rango de datos puede ser calculado en forma intensiva, la utilización de la función de macro BUFFER en el cálculo de PCA es mucho más eficaz. Por ejemplo: PCA_FEATURES(num_features, range, BUFFER(PCA(base_data)))
|
Crea cinco columnas nuevas denominadas TEMP, VW, VX, VY y VZ, que contienen las cinco primeras características del rango de datos V1:V7. El rango de datos V1:V7 se utiliza como base para la transformación.
|
Crea tres nuevas columnas denominadas TEMP, VX y VY, que contienen las tres primeras características del rango de datos V1:V4. El rango de datos V10:V13 se utiliza como base para la transformación.
|
Crea tres nuevas columnas denominadas TEMP, VX y VY, que contienen las tres primeras características del rango de datos V1:V4. El rango de datos V10:V13 se utiliza como base para la transformación. Una vez que los principales componentes del rango de datos V10:V13 se calculan, esos valores se almacenan como constantes. Si los valores de los datos de las columnas V10-V13 cambian, no afectarán a esta definición de función.
|
Copyright IBM Corporation 2015. All Rights Reserved.
|