Loading 柱状图 会员专享
📊 这是什么？
载荷图 (Loading Plot) 用散点的方式展示变量在成分上的分布，适合看结构关系。
Loading 柱状图换了一种更直白的表达：把某一个指定成分上所有变量的载荷值，按条形排开。
💡 一句话区分：载荷散点图回答"这些变量之间是什么关系"；Loading 柱状图回答"在这一个成分上，谁重谁轻"。
🧐 怎么看？
柱子的方向与长度
| 特征 | 含义 |
|---|---|
| 柱子向上（正值） | 该变量在这个成分上与得分正相关 |
| 柱子向下（负值） | 该变量在这个成分上与得分负相关 |
| 柱子越长 | 该变量对这个成分的贡献越大 |
| 柱子接近 0 | 该变量在这个成分上几乎不起作用 |
与得分图对照使用
这是理解载荷柱状图的关键思路：
得分图看样本，载荷图看变量。某个样本在 PC1 上得分很高，意味着它在"PC1 上载荷绝对值大"的那些变量上取值也极端。
🛠️ 怎么用？
配置项
| 配置项 | 说明 |
|---|---|
| 组件数 | 选择要查看的主成分 / 潜变量（从 1 到最优组件数） |
点击 绘制 生成。可切换不同组件，逐个查看。
典型用法
| 目的 | 做法 |
|---|---|
| 解读某个主成分的含义 | 找出该成分上载荷最大的几个变量 → 它们共同定义了该成分的业务含义 |
| 变量筛选 | 跨多个成分看，若某变量在所有成分上都接近 0 → 可考虑剔除 |
| 发现共线变量 | 两个变量在所有成分上载荷都高度相似 → 信息冗余 |
| 验证业务直觉 | 检查主导变量是否符合工艺常识，不符则要回头检查数据 |
🎯 与其他载荷类图表的分工
平台提供三种载荷相关的视图，用途各不相同：
| 图表 | 呈现方式 | 最适合 |
|---|---|---|
| 载荷图 (Loading Plot) | 散点（p1 vs p2） | 看变量之间的结构关系 |
| X+Y 载荷图 | 散点（X 与 Y 对照） | 看 X 与 Y 的关联方向 |
| Loading 柱状图 | 条形（单一成分） | 看某个成分上谁最重要 |
💡 工作流建议：先用散点载荷图看清整体结构，锁定感兴趣的方向；再用 Loading 柱状图逐个成分深挖， 量化"到底哪几个变量在主导"。
⚠️ 注意事项
- 仅支持有监督模型（PLS / PLS-DA / OPLS / OPLS-DA）
- 载荷值的可比性依赖预处理方式：数据是否标准化、缩放方法是否一致，都会影响载荷的大小，跨模型比较时需谨慎
- OPLS 模型的特殊性：其载荷反映的是正交校正后的预测成分，与 PLS 的载荷不直接可比
- 组件数选择会影响结论——建议在最优组件数范围内查看，过度靠后的成分多为噪声