数学建模主成分分析.pptVIP

例：小学各科成绩的评估可以用下面的综合成绩来体现： a1×语文＋a2×数学＋a3×自然＋a4×社会科学 确定权重系数的过程就可以看作是主成分分析的过程，得到的加权成绩总和就相对于新的综合变量——主成分 为什么要根据方差确定主成分？ 对主成分的要求 上例可见，用总分 有时可以反映原分数表的情况，保留原有信息； 有时则把信息丢尽，不能反映原理的情况和差异。 根据总分所对应的方差可以确定其代表了多大 比例的原始数据（分数）信息。 一般来说，我们希望能用一个或少数几个综合指标（分数）来代替原来分数表做统计分析，而且希望新的综合指标能够尽可能地保留原有信息，并具有最大的方差。 假设有n个样品，每个样品有两个观测变量x l和x 2，在由变量x l和x 2所确定的二维平面中，n个样本点所散布的情况如椭圆状。如图所示： 由图可以看出这n个样本点无论是沿着xl 轴方向或x2轴方向都具有较大的离散性，其离散的程度可以分别用观测变量xl 的方差和x2 的方差定量地表示。显然，如果只考虑xl和x2 中的任何一个，那么包含在原始数据中的经济信息将会有较大的损失。 如果我们将xl 轴和x2轴先平移，再同时按逆时针方向旋转?角度，得到新坐标轴Fl和F2。Fl和F2是两个新变量。 假设p个原始变量的协方差阵为: 对角线外的元素不全为0，意味着原始变量 x1,x2, …,xp存在相关关系。 如何运用主成分分析将这些具有相关关系的变量转化为没有相关关系的新变量（主成分）呢？？ 新变量之间没有相关关系，则意味着它的方差协方差阵为对角矩阵： 因为Σx 为正定对称矩阵，依据线性代数的知识可知有正交矩阵 A 将Σx 旋转变换为： 4 确定主成分个数 （1）根据累积贡献率 当 大于某个阈值时（85%以上)，可认为主成分数目为m。 （2）根据其它准则 * 特征值大于1.0的因子数定为主成分数。 * (公共因子碎石图）利用特征值与因子数目的曲线，到某一因子数后，特征值减小幅度变化不大，此转折点的因子数即为主成分数m。 二、主成分分析的计算步骤 （一）计算相关系数矩阵 rij（i，j=1，2，…，p）为原变量xi与xj的相关系数， rij=rji，其计算公式为 Obs x1 x2 x3 y* F1 F2 F3 1 -1.50972 0.54571 -1.53319 -1.31852 -2.12589 0.63866 0.020722 2 -1.11305 0.48507 -1.20848 -1.20848 -1.61893 0.55554 0.071113 3 -0.76971 -0.12127 -0.80140 -0.63625 -1.11517 -0.07298 0.021730 4 -0.63637 -0.12127 -0.62209 -0.61424 -0.89430 -0.08237 -0.010813 5 -0.45970 -1.33395 -0.37008 -0.68027 -0.64421 -1.30669 -0.072582 6 -0.12970 -0.66697 -0.09869 -0.32813 -0.19035 -0.65915 -0.026553 7 0.25031 -0.72761 0.30355 0.17807 0.35962 -0.74367 -0.042781 8 0.59365 1.39458 0.69610 1.01440 0.97180 1.3540