orange-pca-addon — PCA Weller (Chemometrie-PCA für Orange3)

Erweitertes PCA-Widget für Orange3 mit Fokus auf chemometrische Anwendungen (NMR, Spektroskopie, Biomarker). Ziel: mehr Kontrolle über Preprocessing und Ausreißer als das eingebaute Orange-PCA-Widget.

🎯 Was es zusätzlich zum regulären PCA-Widget kann

📐 Statistik

• Hotelling-T² pro Sample: T2_i = Σ_k t_ik² / λ_k, Kontrollgrenze via F-Verteilung (Nomikos & MacGregor): T2_lim = k·(n−1)/(n−k) · F(α, k, n−k).
• Q-Residual pro Sample: Quadratsumme des Rekonstruktionsfehlers. Kontrollgrenze über momentbasierte skalierte χ²-Näherung (g · χ²(df)).
• Kaiser-Kriterium (Kaiser 1960): behalte Komponenten, deren Eigenwert den Mittelwert der Eigenwerte übersteigt (= bei Autoscaling: Eigenwert > 1).

📦 Installation

Teil des WellerLab-Monorepos (github.com/philippweller/WellerLab). Mit dem gemeinsamen Installer (Oranges eigenes Python wird automatisch gefunden):

# Installer holen (einmalig):
curl -fsSL https://raw.githubusercontent.com/philippweller/WellerLab/main/orange-install.py -o orange-install.py
# PCA Weller installieren:
python3 orange-install.py pca

Manuell per pip-subdirectory-Spezifikation:

/Applications/Orange.app/Contents/Frameworks/Python.framework/Versions/Current/bin/python3.12 \
  -m pip install "git+https://github.com/philippweller/WellerLab.git@main#subdirectory=orange-pca-addon"

Orange beenden (Cmd/Ctrl+Q) und neu starten → Widget unter PCA Weller suchen.

🧭 Bedienung (im Widget)

1. Preprocessing–Scaling wählen (Standard: auto).
2. Komponenten-Methode wählen:
   • Kaiser criterion (automatic) — Anzahl automatisch
   • Explained variance fraction — bis kumulative Varianz ≥ Schwellwert
   • Fixed number — feste Komponentenzahl
3. Score-Plot prüfen (Varianz % an den Achsen, Klassenfarben, Größe ∝ Q).
4. Unterer T²-vs-Q-Plot: Punkte außerhalb der roten Limits sind Ausreißer. Mit Significance (alpha) die Grenzen justieren (Default 0.05).
5. Remove outliers & refit: entfernt die Ausreißer und rechnet das Modell auf den verbliebenen Samples neu.

Ausgänge

• Transformed Data — Scores der gewählten Komponenten (PCs), inkl. variance-Attribut je Spalte
• Components (loadings) — Loadings als Tabelle (Zeilen = Komponenten)
• Scores — Scores inkl. T2- und Q_residual-Meta-Spalten
• Data — Originaldaten erweitert um T2- und Q_residual-Spalten
• Outliers / Inliers — Daten unterteilt nach den aktiven Limits

🧪 Schnelltest (Entwickler)

python -c "
from Orange.data import Table
from orangepca import pca_analysis as pa
t = Table('iris')
r = pa.fit_pca(t.X, scale='auto', n_components='kaiser')
print('Kaiser-Komponenten:', r['n_components'])
print('erkl.Varianz:', [round(float(x),3) for x in r['explained_variance_ratio']])
o = pa.PCAOutliers(t.X, scale='auto', n_components=2)
print('T2-Limit:', round(o.T2_lim,3), ' Q-Limit:', round(o.Q_lim,3))
"

❓ Fehlerbehebung

• Widget erscheint nicht → Oranges eigenes Python benutzt (nicht /usr/bin/python3); Orange vollständig neu starten.
• Windows: Widget fehlt in der GUI → Paket landete evtl. in der User-Site (AppData\Roaming). Installer nutzt --no-user; als Administrator ausführen (siehe WellerLab-Haupt-README).

📄 Lizenz

MIT © Philipp Weller