数学建模实用教程主成分分析.pptVIP

综合评价方法之二基于数据分析几种方案 方案一主成份分析法 问题实际背景 在现实生活中，人们往往会对样品收集尽可能多的指标，例如人口普查往往要调查每个人的姓名、年龄、性别、文化程度、住房、职业、收入、消费等几十项指标，从收集资料的角度来看，收集较多的数据有利于完整反映样品的特征，但是这些指标从统计角度来看相互之间具有一定的依赖关系，从而使所观测的数据在反映信息上有一定重叠。 解决的问题之一：降维 主成份分析正是针对这类问题而产生的，是解决这类题的理想工具。 主成分分析也称主分量分析（principal components analysis,PCA）是由美国的科学家哈罗德·霍特林（Harold Hotelling）于1933年首先提出的。人们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。 解决的问题之二：几何分析 多维数据的一种图形表示方法。 我们知道当维数大于3时便不能画出几何图形经过主成分分析后，我们可以选取前两个主成分或其中某两个主成分，这样既可以就这两个主成分性质加以分析，还可以根据主成分画出n个样品在二维平面上的分布况，由图形可直观地看出各样品在主成分中的地位，进而还可以对样本进行分类处理 。 解决的问题之三：客观加权 选