# PCA を実行して正しく図示

> 測定値の表をアップロードしてください。Yila が変数を標準化して主成分分析を行い、スコアプロット、スクリープロット、読みやすいバイプロットを描きます。負荷量の表とスクリプトも付きます。

URL: https://yila.ai/ja/playbooks/pca-plot

## 得られるもの

- **スコアプロット** (PNG + SVG): PC1 と PC2 の散布図です。各軸に寄与率を示し、点を群ごとに色分けして 95% 信頼楕円を付けます。
- **スクリープロット** (PNG + SVG): 主成分ごとの寄与率と累積寄与率を示すので、いくつの主成分を残すかの根拠を説明できます。
- **バイプロットと負荷量** (図 + CSV): 寄与度の大きい変数を矢印で示し、すべての主成分について負荷量の一覧表も付けます。
- **解析スクリプト** (Python スクリプト): 前処理を含む解析全体を Python（ご希望なら R）で記述しています。

## 進め方

1. **表をアップロードして群を指定**: 測定値を含む CSV または Excel ファイルを Yila に渡し、どの列で色分けするかを伝えます。群は色分けにだけ使い、PCA の計算そのものには使いません。
2. **Yila が変数とスケーリングを確認**: 各変数の単位と値の範囲を確認し、尺度の異なる変数を標準化して、PCA を実行する前に欠測値を報告します。
3. **3 つの図と負荷量が完成**: スコアプロット、スクリープロット、バイプロットを描画して確認し、負荷量の表とスクリプトとともに保存します。PC1 と PC3 の組み合わせ、点へのラベル付け、3D 表示が必要なときは、同じ会話の中で依頼してください。

## 主な用途

- **オミクスとメタボロミクス**: 群間差の解析に進む前に、サンプルが処理とバッチのどちらでまとまるかを確認できます。
- **化学と食品科学**: 多数の測定項目にもとづいてサンプルがどう分かれるか、そしてどの項目がその違いを生んでいるかを一度に示せます。
- **アンケート・質問紙調査のデータ**: 互いに相関する多数の項目を少数の主成分にまとめ、どの項目が同じ主成分にまとまるかを確認できます。

## よくある質問

### PCA の図からは何がわかりますか？

主成分分析は、互いに相関する多数の変数を、互いに無相関な少数の主成分に変換し、説明する分散の大きい順に並べます。スコアプロットでは各サンプルを第 1・第 2 主成分の上に配置するので、全体として似ているサンプルほど近くに位置します。

### 変数は標準化すべきですか？

単位や値の範囲が異なる場合は、標準化すべきです。そうしないと、値の大きい変数が結果を支配してしまいます。作例では、プロリンが数百の桁、色相が 1 前後だったため、13 個の変数すべてを標準化しました。すべての変数が同じ尺度で測られている場合は、Yila が標準化せずにそのまま使い、その理由を説明することもあります。

### 主成分はいくつ残せばよいですか？

スクリープロットと累積寄与率が判断の手がかりになります。よく使われる基準は、曲線が折れ曲がる点（エルボー）、累積寄与率 80% のような目標値、固有値が 1 を超える主成分です。Yila はこれらを報告し、選択はご自身に任せます。

### 信頼楕円は何を表していますか？

それぞれの楕円は、2 変量正規分布を仮定したときに、その群のスコアの 95% が入ると予想される範囲を示します。群の分かれ具合を示す助けにはなりますが、統計的検定ではありません。

### PCA で群間に差があるかを検定できますか？

いいえ。PCA は記述的な手法です。群が分かれて見え、検定を行いたい場合は、PERMANOVA や判別分析を依頼してください。Yila が追加します。

### R と Python のどちらで作成しますか？

どちらでも作成できます。作例では Python の scikit-learn を使いました。R の場合、Yila は prcomp と、ggplot2 または factoextra を使います。

### 作例のデータはどこから取得していますか？

UCI Machine Learning Repository で CC BY 4.0 のもと公開されている Wine データセット（Aeberhard と Forina）です。Yila がユーザーのデータを作例に使うことはありません。

---

- [PCA を実行して正しく図示](https://yila.ai/ja/playbooks/pca-plot)
- [llms.txt](https://yila.ai/ja/llms.txt)
