Tony Cooper、PhD、分析コンサルタント、SAS
Sam Edgemon、SAS主席技術コンサルタント
主成分分析（PCA）を使用すると、変数を減らし、データの基礎となる構造を理解することができます。JMPは、ワイドおよびスパースのREMLなどのPCAの見積もり方法を提供します。さまざまな方法でさまざまな数学を使用できます。さらに重要なことに、これらの方法は様々な用途に適用可能である。
この講演の動機は、2年間、毎週50件以上の症状を含むデータでした。1つの分析パスでは、症状にまたがってデータを要約する方法を検討しました（症候群？）。各列は、ある期間における特定の症状の数を示しています。
著者は連続データに関するPCAに非常に精通していましたが、PCAは連続データを要約するために共分散行列を必要とし、これらの尺度は重要です。同時に、テキストマイニングはよりアクセスしやすくなってきており、Doc-Term Matrixのデータを考慮することがよくあります。
この行列は数にも依存します。テキストマイニングの次元削減の背後にある数学は、通常、特異値分解（SVD）です。
その後、近年JMPはその主要コンポーネントプラットフォームを拡張しました。
WideとSparseはどちらもSVDを実装しています。PCAとSVDベースのオプションがあります。センタリングと拡大縮小のオプションがあります。特定の状況のためにアルゴリズムに修正があります。例はオプションの実装を示します。
。
