PCA Operator

---

Operator 설명

• 데이터의 분산(variance)을 최대한 보존하면서 서로 직교하는 새 축을 찾아, 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 기법이다.

Operator 파라미터 설명

• k_value: components의 개수 (required)

Operator 모듈 테스트 결과

입력 데이터

data1	data2	data3	data4
5.1	3.5	1.4	0.2
4.9	3	1.4	0.2
4.7	3.2	1.3	0.2
4.6	3.1	1.5	0.2
5	3.6	1.4	0.2
5.4	3.9	1.7	0.4
4.6	3.4	1.4	0.3
5	3.4	1.5	0.2
4.4	2.9	1.4	0.2
4.9	3.1	1.5	0.1

결과 데이터

index	pc1	pc2
1	-0.286	0.0469
2	0.2059	0.2269
3	0.2126	-0.0547
4	0.3182	-0.0373
5	-0.2908	-0.0879
6	-0.8452	-0.0168
7	0.1082	-0.2691
8	-0.1639	0.0524
9	0.6116	-0.0619
10	0.1292	0.2017

• K값은 추출할 주성분 개수이고 K값을 2로 설정하였다.
• 입력 DataFrame의 data들을 새로운 축 pc1, pc2에 표현 함으로써 4차원에서 2차원으로 차원이 축소 되었음을 확인할 수 있다.
• parameter는 다음과 같이 설정하였다.

val principalComponentAnalysisInfo =
  PrincipalComponentAnalysisInfo.newBuilder()
    .setKValue(2)
    .build