可生成图片类型(推荐)
Zeroclanzhang(讨论 | 贡献) (创建页面,内容为“{{Infobox nodebasic |nodename=多重对应分析 |nodeimage=Multiple Correspondence Analysis.png |icon=Multiple Correspondence Analysis.svg |simpleicon=Multiple Correspondence Analysis_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has english name::Multiple Correspondence Analysis |abbreviation=Has ab…”) |
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
||
第7行: | 第7行: | ||
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 | |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 | ||
|productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0|V1.0.2]]部署 | |productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0|V1.0.2]]部署 | ||
|nodeenglishname= | |nodeenglishname=Multiple Correspondence Analysis | ||
|abbreviation= | |abbreviation=MCA | ||
|funcmaincategory=数据分析 | |funcmaincategory=数据分析 | ||
|funcsubcategory=[[DataAGM Lv1 Cat::多元分析]] | |funcsubcategory=[[DataAGM Lv1 Cat::多元分析]] | ||
第27行: | 第27行: | ||
|nextnode=[[筛查自变量共线性]] | |nextnode=[[筛查自变量共线性]] | ||
}} | }} | ||
2024年1月19日 (五) 19:24的最新版本
节点状态 | / Win10及以上可用
在V1.0.2部署
|
---|---|
多重对应分析 | |
节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
节点英文名 | Multiple Correspondence Analysis |
功能主类别 | 数据分析 |
英文缩写 | MCA |
功能亚类别 | 多元分析 |
节点类型 | 数据挖掘 |
开发语言 | R |
节点简介 | |
多重对应分析用于探索多个分类变量(通常3个以上)之间的关系。MCA将多个分类变量组合成一个多维空间,使得每个变量在该空间中对应一个点,而每个数据点则由变量的取值所决定。MCA通常用于探索分类变量之间的相互作用和依赖性,以便发现变量之间的模式和结构。 用途:用于分类数据的统计技术,将高维度的分类数据降为二维或三维,提取主要维度,简化数据结构。 参数:选择多个分类字符串自变量。 | |
端口数量与逻辑控制(PC) | |
Input-入口 | 3个 |
Output-出口 | 2个 |
Loop-支持循环 | 是 |
If/Switch-支持逻辑判断 | 否 |
输入输出 | |
相关节点 | |
上一节点 | 信度分析 |
下一节点 | 筛查自变量共线性 |
查找其他类别的节点,请参考以下列表