主成分分析16823.pptVIP

第六章 主成分分析 1、引言 2、主成分的几何意义 3、主成分的数学推导 4、主成分的性质 5、主成分方法应用中应注意 的问题 1 引言 多元统计分析处理的是多变量（多指标）问题，由于变量较多，增加了分析问题的复杂性。 但在实际问题中，变量之间可能存在一定的相关性，因此，多变量中可能存在信息的重叠。 人们自然希望通过克服相关性、重叠性，用较少的变量来代替原来较多的变量，而这种代替可以反映原来多个变量的大部分信息. 这实际上是一种“降维”的思想。 2、主成分的几何意义 主成分分析数学模型中的正交变换，在几何上就是作一个坐标旋转。 因此，主成分分析在二维空间中有明显的几何意义。 假设共有n个样品，每个样品都测量了两个指标(X1，X2)，它们大致分布在一个椭圆内，如图所示。 事实上，散点的分布总有可能沿着某一个方向略显扩张，这个方向就把它看作椭圆的长轴方向。显然，在坐标系X1OX2中，单独看这n个点的分量X1和X2,它们沿着X1方向和X2方向都具有较大的离散性，其离散的程度可以分别用的X1方差和X2的方差测定。 如果仅考虑X1或X2中的任何一个分量，那么包含在另一分量中的信息将会损失，因此，直接舍弃某个分量不是“降维”的有效办法。 如果我们将该坐标系按逆