La acción fPca realiza el entrenamiento del Análisis de Componentes Principales Funcionales (FPCA). Este método es una extensión del PCA tradicional diseñado para analizar datos que consisten en funciones o curvas, permitiendo reducir la dimensionalidad de estos datos complejos mientras se preserva su estructura de covarianza esencial.
| Parámetro | Descripción |
|---|---|
| display | Especifica una lista de tablas de resultados para enviar al cliente para su visualización. Se utiliza para controlar qué salidas se muestran en el informe. |
| eigenVal | Especifica la tabla de datos de salida en la que se guardará la matriz de valores propios (eigenvalues) resultantes del análisis. |
| eigenVec | Especifica la tabla de datos de salida en la que se guardará la matriz de vectores propios (eigenvectors) resultantes del análisis. |
| id | Especifica la(s) variable(s) que se utilizarán como identificador de registro único para las curvas funcionales. |
| inputs | Especifica las variables de entrada que se utilizarán en el análisis FPCA. Alias: 'input'. |
| nBins | Especifica el número entero de contenedores (bins) que se utilizarán para discretizar y agrupar las curvas funcionales durante el análisis. El valor mínimo es 10. |
| output | Especifica la configuración para la tabla de salida que contendrá los valores de puntuación (scores) de los datos de entrenamiento. |
| outputTables | Enumera los nombres de las tablas de resultados que se guardarán como tablas CAS en el servidor. Alias: 'DISPLAYOUT'. |
| rankThreshold | Especifica el umbral (tipo double) del valor propio que se utilizará para determinar el rango de la matriz de covarianza. Alias: 'threshold'. Valor predeterminado: 1E-08. |
| saveState | Especifica la tabla de datos de salida en la que se guardará el estado del modelo (matriz de vectores propios y otros metadatos) para realizar puntuaciones futuras en nuevos datos. |
| table | Especifica la configuración de la tabla de entrada que contiene los datos funcionales a analizar. |
Crea un conjunto de datos en CAS con una estructura funcional simple (senoidal con ruido) para probar la acción fPca.
| 1 | |
| 2 | DATA mycas.functional_data; |
| 3 | DO id = 1 to 100; |
| 4 | DO t = 1 to 50; |
| 5 | time = t; |
| 6 | value = sin(t/5) + rannor(1)*0.1; |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | END; |
| 10 | |
| 11 | RUN; |
| 12 |
Ejecuta un análisis de componentes principales funcionales básico especificando la tabla de entrada, el identificador y la variable de valor.
| 1 | |
| 2 | PROC CAS; |
| 3 | fpca.fPca / TABLE={name="functional_data"} id={"id"} inputs={"value"} OUTPUT={casout={name="fpca_scores", replace=true}}; |
| 4 | |
| 5 | RUN; |
| 6 |
Realiza un análisis FPCA avanzado definiendo bins, guardando valores y vectores propios, limitando componentes y guardando el estado del modelo para uso futuro.
| 1 | |
| 2 | PROC CAS; |
| 3 | fpca.fPca / TABLE={name="functional_data"} id={"id"} inputs={"value"} nBins=20 rankThreshold=1E-05 eigenVal={name="evals", replace=true} eigenVec={name="evecs", replace=true} saveState={name="fpca_model_state", replace=true} OUTPUT={casout={name="scores_out", replace=true}, npc=3}; |
| 4 | |
| 5 | RUN; |
| 6 |