无编辑摘要 |
Zeroclanzhang（讨论 | 贡献） 无编辑摘要 |
||
| （未显示同一用户的1个中间版本） | |||
| 第14行： | 第14行： | ||
== '''二 | == '''二 在决策链Web版中的操作指南''' == | ||
=== 2.1 网页端版本 === | === 2.1 网页端版本 === | ||
| 第36行： | 第36行： | ||
== '''三 使用建议''' == | == '''三 使用建议''' == | ||
建议前往决策链BBS论坛的专题页面获取更多的使用经验。 点此链接 | |||
2023年12月17日 (日) 00:49的最新版本
一 主成分分析的概念（英语：Principal components analysis，简称PCA）
模板:右侧信息框是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分（Principal Components）。具体地，主成分可以看做一个线性方程，其包含一系列线性系数来指示投影方向。PCA对原始数据的正则化或预处理敏感（相对缩放）。
1.1 基本思想：
二 在决策链Web版中的操作指南
2.1 网页端版本
1）点击数据分析板块
2) 分析方法中：
- 所属模块选择: 正态性检验
- 直接选择或搜索选择：方差分析
3）变量选择界面：
- 变量选择：Y (连续型，选择多个变量可做多个方差分析）；
- 分组变量选择：A (连续型/离散型,选择一个做one-way)；
- 分层变量选择：B(连续型/离散型,选择一个做two-way; 留空则做one-way)
4）提交分析，生成结果压缩包或PDF。
2.2 PC版本
开发中
三 使用建议
建议前往决策链BBS论坛的专题页面获取更多的使用经验。 点此链接