商务智能理论与应用8- 数据准备.ppt

* 1、主成分分析（因子分析） 主成分分析和因子分析都是多元统计分析中的一种常用方法，是数学上处理降维的一种方法。 主成分分析的基本思想： 设法将原始属性重新组合成一组新的互相无关的几个综合属性，同时根据需要从中选取少数几个综合属性来尽可能多地反映原来指标的信息。 综合指标的选取使用的是方差最大法。 * * 2、因子分析 因子分析的基本思想： 通过变量（或样本）的相关系数矩阵内部结构的研究，找出能控制所有变量的少数几个因子去描述多个变量之间的相关关系； 然后，根据相关性的大小把变量分组，使得同组内的变量之间相关性较高，但不同组之间相关性较低。 * * * 主成分分析和因子分析的对比 * 主成分分析 因子分析 由因子的线性组合来解释变量 * 主成份分析和因子分析的优点 因子（主成份）之间的线性相关关系不显著。 主成份参与数据建模能够有效地解决变量多重共线性等分析应用带来的问题。 因子能够反映原有变量的绝大部分信息。 因子的方差贡献和方差贡献率是衡量因子重要性的关键指标。该值越高，说明相应因子的重要性越高。 aij因子载荷反映了某i个变量在第j因子上的相对重要性。 因子得分是因子分析的最终体现。在后续的分析中可以用因子变量代替原有变量进行建模，或者利用因子变量对样本分类、评价或排序等研究。 * * 3、聚类分析——K均值聚类分析 K均值法是麦奎因（MacQueen，1967）提出的