Yila

做主成分分析,把圖畫得正確又清楚

上傳測量資料表,Yila 會將變數標準化、執行主成分分析,畫出分數圖(score plot)、陡坡圖(scree plot)與清晰易讀的雙標圖(biplot),並附上負荷量表與程式碼。

請將我資料中的數值變數標準化後執行 PCA:畫一張可直接投稿的 PC1 對 PC2 分數圖,依著色並加上 95% 信賴橢圓;再畫一張陡坡圖,以及呈現貢獻最大變數的雙標圖。報告每個主成分解釋的變異量。將圖儲存為 PNG 和 SVG,並儲存負荷量表與程式碼。

將在 Yila 工作台中開啟,之後可在對話裡隨時調整。

一份完成的主成分分析

這是用公開化學資料集實際執行一次的官方範例。下方是它儲存的三張圖;下載檔裡除了這三張圖,另附負荷量表、解釋變異量表與 Python 程式碼。

三個品種、178 個葡萄酒樣本的 13 項化學測量值 — 1
1 / 3

你會得到

分數圖
PC1 對 PC2,兩軸標出各自解釋的變異量,樣本點依組別著色,並附 95% 信賴橢圓。
陡坡圖
每個主成分各自與累積解釋的變異量,方便你說明為什麼保留這幾個主成分。
雙標圖與負荷量
以箭頭標出貢獻最大的變數,另附所有主成分的完整負荷量表。
分析程式碼
完整的 Python 分析程式碼(需要的話也可以是 R),前處理步驟都清楚寫出。

運作方式

上傳資料表,說明分組

給 Yila 一個含測量值的 CSV 或 Excel 檔,並說明要依哪一欄著色。分組只用於著色,不參與 PCA 本身的計算。

Yila 檢查變數與尺度

它會先看各變數的單位與數值範圍,將尺度不同的變數標準化,並在執行 PCA 之前回報遺漏值。

取得三張圖和負荷量

分數圖、陡坡圖和雙標圖畫好並檢查後,會與負荷量表和程式碼一起儲存。想看 PC1 對 PC3、為樣本點加上標籤,或改成 3D 圖,在同一個對話裡提出即可。

適用情境

體學與代謝體學研究

在做差異分析之前,先看樣本是依處理方式還是依批次聚在一起。

化學與食品科學

同時根據多項測量性質,呈現樣本如何區分開來,以及是哪些性質造成這種區分。

調查與問卷資料

把許多彼此相關的題項濃縮成少數幾個成分,看出哪些題項歸在同一個成分。

常見問題

用你自己的資料做主成分分析

上傳資料表並說明要依什麼分組著色。Yila 會完成標準化與繪圖,並保留程式碼給你。

從你的資料開始