数学建模_主成分分析法模板.docVIP

根据主成分分析的方法，分析……的数据。步骤如下： Step 1：为了消除不同变量的量纲的影响，首先需要对变量进行标准化，设检测数据样本共有n个，指标共有p个，分别设,,，令(i=1,2,…,n;j=1,2,…,p)为第i个样本第j个指标的值。作变换 (j=1,2,…,p) 得到标准化数据矩阵，其中, Step 2：在标准化数据矩阵的基础上计算p个原始指标相关系数矩阵 其中，(i,j=1,2,…,p) Step 3：求相关系数矩阵R的特征值并排序,再求出R的特征值相应的正则化特征向量，则第i个主成分表示为各指标的组合。 Step 4：计算累积贡献率确定主成分的数目。主成分的贡献率为 累计贡献率为 一般取累计贡献率达85%~95%的特征值所对应的第1、第2，…，第m（m≤p）个主成分。 Step 5：计算主成分载荷，确定综合得分。当主成分之间不相关时，主成分载荷是主成分和各指标的相关系数，相关系数越大，说明主成分对该指标变量的代表性就越好，计算公式为 Step 6：各主成分的得分，确定综合评分函数。得到各主成分的载荷以后，可以计算各主成分的得分 ，其中表示第i个样本第j个主成分得分，则第i个样本的综合得分(i=1,2,…,n); 附件中共有 28 个月的数据，这里仅随机选择 2005 年 4 月的数据来说明利 分析进行水质综合评价的过程(同理可进行其他月份的数据分析)。 调用 MATLAB统计工具箱 princomp 函数，格式为： [pc,score,latent,tsquare]=princomp(ingredients) 其中 ingredients指标准化后的样本指标矩阵，pc是指各主成分关于指标的线性组合的系数矩阵，score为各主成分得分，latent是方差矩阵的特征值,tsquare为Hotelling统计量。 各种指标的相关系数矩阵： （填充数据） 各个主成分的贡献率： 表1 主成分的贡献率表 特征值 贡献率 累积贡献率 第1主成分 第2主成分 …… 由表可看出，前三个主成分的累积贡献率已达到（填充数据），取控制参数α =0.06(因为28个月中前三个成分贡献率最低为94%),因此取前三个主成分对（填充文字）进行综合评价。 根据 R 的特征值的相应的正则化单位特征向量， 前m个主成分关于指标的线性组合为： （填充表达式） （分析）根据线性表达式中的系数及符号，可对各主成分的实际意义作如下解释：第1主成分为除（变量）之外的三项指标的综合；第2主成分与（变量）成正相关，与（变量）成负相关；第3主成分为除（变量）之外的三项指标的综合。以各个主成分的方差贡献率为权重可得到（文字）的最终综合评价。 表2 XX综合评价表 第1主成分 第2主成分 …… 综合得分 排名 样本1 样本2 …… 上表给出了XX的综合评价，综合得分越高说明（文字），排名越高 x=[0.0581 0.0356 0.0435 0.0680 0.0557 0.1112 0.1194 0.1184 0.1083 0.1392 0.0423 0.0346 0.0354 0.0770 0.0089 0.0642 0.0483 0.0499 0.0534 0.0544 0.0407 0.0139 0.0688 0.0234 0.0080 0.0047 0.0151 0.0314 0.0252 0.0183 0.0139 0.0391 0.0056 0.0093 0.0053 0.0290 0.0087 0.0174 0.0234 0.0158 0.0097 0.0263 0.0086 0.0028 0.0064 0.0064 0.0045 0.0062 0.0111 0.0075 0.0315 0.0375 0.0305 0.0198 0.0213 0.0376 0.0243 0.0398 0.0357 0.0278 0.0253 0.0295 0.0443 0.0286 0.0295 0.0468 0.0304 0.0334 0.0248 0.0233 0.0321 0.0242 0.0437 0.0203 0.0132 0.0233 0.0153 0.0212 0.0270 0.0213 0.0431 0.0276 0.0628 0.0142 0.0184 0.0184 0.0206 0.0285 0.0455 0.