Uzel PCA/Factor poskytuje výkonné metody redukce dat, aby se snížila složitost vašich dat. K dispozici jsou dva podobné, ale odlišné přístupy.

• Analýza hlavních komponent (PCA) najde lineární kombinace vstupních polí, která dělají nejlepší úlohu zachycení odchylky v celé sadě polí, kde jsou komponenty navzájem kolmé (kolmo). PCA se zaměřuje na celou odchylku, včetně sdílené i jedinečné odchylky.
• Analýza faktoru se pokouší identifikovat základní koncepce, neboli faktory, které vysvětlují strukturu korelací v rámci množiny pozorovaných polí. Analýza faktoru se zaměřuje pouze na sdílenou odchylku. Odchylka, která je jedinečná pro specifická pole, se při odhadování modelu neuvažuje. V uzlu Factor/PCA je poskytováno několik metod analýzy faktoru.

Pro oba přístupy je cílem najít malý počet odvozených polí, která efektivně shrnují informace v původní sadě polí.

Požadavky. V modelu PCA-Factor lze použít pouze číselná pole. Chcete-li odhadnout analýzu faktoru nebo PCA, potřebujete jedno nebo více polí s rolí nastavenou na pole Input . Pole s rolí nastavená na Target, Bothnebo None jsou ignorována, protože jsou to nečíselná pole.

Silné stránky. Analýza faktoru a PCA může efektivně snížit složitost vašich dat, aniž byste obětovali velkou část informací obsahu. Tyto techniky vám mohou pomoci při sestavování robustnějších modelů, které se budou provádět rychleji, než by bylo možné s prvotním vstupním poli.