MVA Dashboard usage guide with test data instructions

test_general.csv

筆數 / 欄位120 × 7
數值欄位6 個
群組欄位群組 (A/B/C)

身高、體重、BMI、心率、收縮壓、舒張壓，三組有顯著差異

M1M2M3M4M5-LDA

test_cca.csv

筆數 / 欄位80 × 6
Set X3 個成績
Set Y3 個學習行為

數學/英文/物理成績 vs 讀書時數/作業率/專注度，中強度相關

M1M3-PCAM5-CCA

啟動步驟

1 在 Colab 依序執行 Cell 1 → Cell 11，等 Cell 11 輸出 Running on public URL: https://…
2 點擊公開連結，瀏覽器開啟 Gradio 儀表板
3 在「📁 資料中心」分頁上傳 CSV，確認狀態列顯示 ✅ 載入成功
4 確認「Z-score 標準化」開關已勾選，前往各模組執行分析

M2假設檢定

檔案test_general.csv
應變數身高/體重/BMI/心率
分組自變數群組

預期：Wilks λ < 0.05，三組在身高、心率上差異顯著

M3PCA

檔案test_general.csv
勾選變數全 6 個數值欄
主成分數滑桿拉至 3

預期：PC1+PC2 約解釋 75–85%，碎石圖肘點在第 2 個

M3因素分析

檔案test_general.csv
勾選變數全 6 個數值欄
因素數2
旋轉varimax

預期：F1 載入身高/體重，F2 載入心率/血壓

M4集群分析

檔案test_general.csv
勾選變數全 6 個數值欄
K3
方法K-Means 或 Ward

預期：Silhouette ≈ 0.4–0.6，集群與原始群組高度吻合

M5-A判別分析 (LDA)

檔案test_general.csv
特徵變數全 6 個數值欄
目標標籤群組

預期：準確率 > 85%，混淆矩陣對角線明顯

M5-B典型相關 (CCA)

檔案test_cca.csv
Set X數學/英文/物理
Set Y讀書時數/作業率/專注

預期：Root 1 典型相關 r ≈ 0.88–0.93，p < 0.001