Extrae componentes principales utilizando el método de descomposición de valores propios.
| Parámetro | Descripción |
|---|---|
| attributes | Cambia los atributos de las variables utilizadas en esta acción. Actualmente, los atributos especificados en los parámetros inputs y nominals se ignoran. |
| code | Escribe el código del paso DATA de SAS para calcular los valores pronosticados del modelo ajustado. |
| cov | Cuando se establece en True, calcula los componentes principales a partir de la matriz de covarianza. |
| display | Especifica una lista de tablas de resultados para enviar al cliente para su visualización. |
| freq | Especifica una variable numérica que contiene la frecuencia de aparición de cada observación. |
| gpu | Especifica la configuración para las unidades de procesamiento gráfico (GPU). Si se especifica el subparámetro groupBy en el parámetro table, se ignora el parámetro gpu. |
| groupbyLimit | Suprime el análisis si el número de grupos BY excede el valor especificado. |
| inputs | Especifica las variables numéricas que se analizarán. |
| n | Especifica el número de componentes principales que se calcularán. Si el valor es 0, se calculan todos los componentes principales. |
| noInt | Cuando se establece en True, omite la intersección del modelo. |
| output | Especifica la tabla de salida que se creará para contener estadísticas de observación. Si no especifica ninguna estadística, solo se incluyen las puntuaciones de los componentes principales. |
| outputTables | Enumera los nombres de las tablas de resultados para guardar como tablas CAS en el servidor. |
| outStat | Especifica la tabla de salida que se creará para contener varias estadísticas, incluidas las medias, las desviaciones estándar, los valores propios y los vectores propios. |
| partial | Especifica las variables numéricas que se parcializarán si desea analizar una correlación parcial o una matriz de covarianza. |
| prefix | Especifica un prefijo para nombrar los componentes principales. |
| singular | Especifica el criterio de singularidad. |
| std | Cuando se establece en True, estandariza a varianza unitaria las puntuaciones de los componentes principales en la tabla de salida especificada en el parámetro de salida. |
| store | Especifica la tabla de salida que se creará para guardar la información de ajuste del modelo que puede utilizar para la puntuación. |
| table | Especifica la configuración para una tabla de entrada. |
| varDef | Especifica el divisor a utilizar en el cálculo de varianzas y desviaciones estándar. |
| weight | Especifica una variable numérica que se utiliza como peso para realizar un análisis ponderado de los datos. |
Crea un conjunto de datos con estadísticas de crimen por ciudad para el análisis.
| 1 | DATA mycas.crime; |
| 2 | INPUT City $ Population Murder Rape Robbery Assault Burglary Larceny AutoTheft; |
| 3 | DATALINES; |
| 4 | Atlanta 12750 16.5 24.8 106 147 1112 905 494 |
| 5 | Boston 14710 12.0 20.5 130 158 1102 1080 680 |
| 6 | Chicago 26400 10.4 23.3 190 135 1088 1090 700 |
| 7 | Dallas 31040 10.9 19.8 178 120 1058 1020 620 |
| 8 | Detroit 36200 13.5 21.6 188 140 1060 980 500 |
| 9 | Houston 16800 14.5 25.3 170 160 1090 1010 650 |
| 10 | LosAngeles 24000 15.0 22.5 165 155 1070 1030 600 |
| 11 | NewOrleans 12800 13.0 24.0 160 150 1080 990 550 |
| 12 | NewYork 78950 9.8 18.5 200 115 1040 1100 750 |
| 13 | Philadelphia 18500 11.5 21.0 150 145 1095 1050 630 |
| 14 | Portland 11500 6.5 15.8 75 90 850 800 400 |
| 15 | StLouis 15000 12.5 22.0 140 130 1050 1000 580 |
| 16 | SanFrancisco 14000 7.8 17.5 110 105 900 850 450 |
| 17 | Seattle 11000 8.0 18.0 120 110 950 900 480 |
| 18 | Washington 22000 10.0 19.5 160 130 1000 950 520 |
| 19 | ; |
| 20 | RUN; |
Realiza un análisis de componentes principales básico en las variables numéricas de crimen.
| 1 | |
| 2 | PROC CAS; |
| 3 | pca.eig / TABLE="crime", inputs={"Murder", "Rape", "Robbery", "Assault", "Burglary", "Larceny", "AutoTheft"}; |
| 4 | RUN; |
| 5 |
Realiza PCA solicitando 3 componentes, estandarización de varianza, y guarda estadísticas y puntuaciones en tablas CAS.
| 1 | PROC CAS; |
| 2 | pca.eig / |
| 3 | TABLE="crime", |
| 4 | inputs={"Murder", "Rape", "Robbery", "Assault", "Burglary", "Larceny", "AutoTheft"}, |
| 5 | n=3, |
| 6 | std=true, |
| 7 | outStat={casOut={name="stats", replace=true}}, |
| 8 | OUTPUT={casOut={name="scores", replace=true}, score="Comp"}; |
| 9 | RUN; |
Una fábrica de semiconductores desea monitorear la salud de sus máquinas. Tienen múltiples sensores (temperatura, presión, vibración, voltaje) altamente correlacionados. El obje...
Un fondo de inversión quiere analizar la estructura de riesgo de un portafolio de activos. A diferencia del análisis estándar, requieren usar la matriz de covarianza (no correla...
El departamento de marketing desea segmentar clientes basándose en su comportamiento de compra. Necesitan guardar el modelo para aplicar el scoring a nuevos clientes en producci...