特徴量が 4 つ以上あるような多変量のデータセットを低次元化、すなわち少ない数 (例えば 2 つ) のパラメータに圧縮できます。低次元化した後、サンプル同士の位置関係を 2 次元平面に投影しグラフ化することで、データ分布を可視化できます。
読み込みデータタブにて、「データファイル読み込み」よりデータセットを表示させ、目的の低次元化手法のタブを選択します。
サンプルデータセット:
PCA (Principal Component Analysis: 主成分分析)
特徴量を選択し、「作成」ボタンをクリックすると、寄与率・累積寄与率プロットおよび第1主成分（PC1）と第2主成分（PC2）の散布図が表示されます。散布図のプロットにカーソルを合わせるとサンプル名・数値が表示されます。
また、第1, 2 主成分を含む全ての主成分に関して、各サンプルの主成分スコアデータ(-pca_latent_variables.csv)、各特徴量の重みデータ(-pca_loadings.csv)、寄与率・累積寄与率データ(-pca_cont_cumcont_ratios.csv)が出力されます。いずれも列の左から順に第1, 第2, 第3・・主成分に対応する数値です。例えば第 3 主成分以降を確認したい場合は、主成分スコアデータを「データ可視化」の散布図等で表示するとよいでしょう。
「選択した特徴量のデータを出力結果に表示」にチェックを入れた状態で「作成」ボタンをクリックすると、主成分スコアに選択した特徴量が結合されたデータが出力されます。
必要に応じて、PC内にデータを保存します。
GTM (Generative Topographic Mapping)