免費主成分分析圖製作器
用平實的文字建立 PCA 得分圖、雙標圖或陡坡圖
描述你的主成分分析——群組、PC1 與 PC2 的變異百分比，以及任何橢圓或負荷向量——AI 就會繪製一張乾淨、出版風格的 PCA 圖，可直接用於基因體學、代謝體學與機器學習報告。
AI 主成分分析圖製作器
預覽
範例這是範例結果。描述你的內容,生成你自己的。
PCA 圖範例
點選任一範例即可載入其提示詞，或以它作為繪製你自己 PCA 圖的起點。
什麼是 PCA 圖？
PCA 圖視覺化主成分分析的結果，這是一種把眾多相關變數縮減為少數不相關主成分的技術。最常見的形式是得分圖：樣本在 PC1 對 PC2 上的散佈圖，每個座標軸標示其捕捉的總變異百分比，點依群組上色以揭示聚類、分離或批次效應。這個 PCA 圖製作器能把一段平實的文字描述變成一張乾淨、標示清楚的圖——你描述你的群組、每個成分解釋的變異與任何信賴橢圓或負荷向量，AI 就會產出一張比例恰當、含標題座標軸與圖例的 PCA 圖，無需 R、Python 或試算表。
為什麼要用 PCA 圖製作器
- 在數秒內取得乾淨的 PCA 得分圖，無需撰寫 R 或 Python 繪圖程式碼。
- 以彩色群組與橢圓清楚呈現聚類、群組分離與批次效應。
- 從同一段描述切換得分圖、雙標圖、陡坡圖或負荷圖。
- 為基因體學、代謝體學與機器學習報告產出出版風格的圖。
- 向從未看過原始資料矩陣的讀者傳達降維結果。
如何製作 PCA 圖
以平實的語言描述這張圖：為你的群組命名、給出 PC1 與 PC2 的變異百分比，並說明你要得分圖、雙標圖、陡坡圖或負荷圖。提及附加項目，如 95% 信賴橢圓、圖例或標註的負荷箭頭。SciDraw AI 接著就會繪製一張乾淨的 PCA 圖，含百分比變異軸標籤與整潔的群組顏色，你也可以調整提示詞並重新產生，直到版面看起來恰到好處。
你可以繪製的內容
- PC1 與 PC2 軸，各以解釋的變異百分比標示
- 依群組或條件上色的樣本點，附相符的圖例
- 摘要各群組分散程度的 95% 信賴橢圓
- 雙標圖中畫成標註箭頭的負荷向量
- 呈現每個連續成分所解釋變異的陡坡圖
- 成分置中所在的原點 (0, 0)
PCA 圖常見問題
什麼是 PCA 圖？
PCA 圖視覺化主成分分析，它把眾多相關變數壓縮為少數主成分。常見形式是得分圖：樣本在 PC1 對 PC2 上的散佈圖，每個座標軸以其解釋的變異百分比標示，點依群組上色。它用於揭示基因體學、代謝體學與機器學習中的聚類、群組分離與批次效應。
PC1、PC2 與 % 變異代表什麼？
PC1（主成分 1）是你資料中捕捉最多變異的方向；PC2 是下一個方向，與 PC1 正交，捕捉剩餘變異中最多的部分。每個座標軸上的百分比是該成分解釋的總變異占比，因此標示為「PC1 (42%)」的座標軸意味著該成分占資料分散的 42%。前兩個成分的百分比越高，2D 圖就越忠實地呈現原始資料。
得分圖、雙標圖與陡坡圖有什麼差別？
得分圖呈現樣本在 PC1 對 PC2 上的定位，用以看出聚類與群組分離。雙標圖在得分圖之上加上變數負荷向量作為箭頭，呈現哪些變數驅動了分離。陡坡圖是一張各別圖表，呈現每個連續成分所解釋的變異百分比，用以決定要保留多少成分。負荷圖則呈現每個變數對 PC1 與 PC2 的貢獻。
我要如何線上製作 PCA 圖？
輸入你想要圖的簡短描述，例如一張在 PC1 (42%) 對 PC2 (18%) 上、依三個群組上色並含 95% 信賴橢圓的 PCA 得分圖，若需要也可指名任何負荷箭頭或陡坡圖。SciDraw AI 接著就會繪製一張乾淨、標示清楚的 PCA 圖。你可以調整用詞並重新產生，直到得分圖、雙標圖或陡坡圖符合你的需求。
PCA 圖製作器是免費的嗎？
是的，你可以免費開始。建立帳戶後你會獲得免費點數，可立即產生 PCA 圖；若你需要定期製作大量圖，也有付費方案可供選擇。
它適合用於研究或發表嗎？
這些圖是出版風格，非常適合投影片、海報、草稿與教學，但它們是依你的描述產生的示意圖，並非由你的資料計算而得。若要作為論文中的結果圖，請在你的資料集上執行實際的主成分分析（以 R、Python 或你的統計套件），使點的位置、變異百分比與橢圓反映真實數值，並用這個工具來打樣或說明版面。
