主成分分析法_段春生20120924_.pdfVIP

数学模型与数学建模之主成分分析 主成分分析 一、主成分分析的由来 主成分分析（Principal Component Analysis,PCA）是 1901年 Pearson对非随机变量引入的，1933年被 Hotelling 推广到了随机向量的情形。 二、为什么要学主成分分析 在数据分析实际问题中，我们经常会遇到研究多个变量 的问题，而且在多数情况下，多个变量之间常常存在一定的 相关性。由于变量个数较多再加上变量之间的相关性，势必 增加分析问题的复杂性。如何从多个变量中综合为少数几个 代表性变量，既能够代表原始变量的绝大多数信息，又互不 相关，并且在新的综合变量基础上，可以进一步的统计分析， 这时就需要进行主成分分析。 三、主成分分析的基本思想 主成分分析是采取一种数学降维的方法，找出几个综合 变量来代替原来众多的变量，使这些综合变量能尽可能地代 表原来变量的信息量，而且彼此之间互不相关。这种将把多 个变量化为少数几个互相无关的综合变量的统计分析方法 就叫做主成分分析或主分量分析。 主成分分析所要做的就是设法将原来众多具有一定相 关性的变量，重新组合为一组新的相互无关的综合变量来代