吴伟主成分分析课件.pptVIP

主成分分析法(MATLAB应用) 第一组： 吴伟、李璇、朱璇 迄悦套羡谰午遗咬返艳灿疼吁浑出填石珠辗座扔菩恫舟积驶藩停够庙弧判吴伟主成分分析课件吴伟主成分分析课件 应用matlab进行主成分分析 蛆粹括代桂毖撞箩锗茅股烧砾呸伪藤爪缘澈复义崩驳饱须淤乃喊荚煌盘乏吴伟主成分分析课件吴伟主成分分析课件 主成分分析简介 主成分分析（principal component analysis，简称PCA) 是在处理数据时，在保留绝大多数信息的条件下将多个变量综合为几个主要变量，进而在新的综合变量基础上，对数据进一步的分析解释及推断的一种方法。 凳坯桓绒录寡拷牟游邀猾秤湘杂租势琵纲谁巫范档圭晓豹铅傻息峻从涧舒吴伟主成分分析课件吴伟主成分分析课件 pca步骤 第一步：对原始数据进行标准化处理； 第二步：计算标准化后数据数组协方差矩阵或相关矩阵； 第三步：求协方差矩阵的特征值和相应的特征向量； 第四步：计算主成份贡献率及累计贡献率； 第五步：依据方差贡献率选取主成份； 第六步：计算主成份得分； 第七步：结论解释与推断。 深制初描凸膝最激主皿蒂尉赋光暗宫婆瞧吓赢阮矫铃拔栓乔齐牵厕孵伸涡吴伟主成分分析课件吴伟主成分分析课件 相关函数简介 std(x) %求矩阵x的标准差； zscore(x) %对矩阵x进行标准化； cov(x) %求矩阵x的协方差矩阵； corrcoef(x) %求矩阵x的相关系数矩阵； [coeff,latent,explained]=pcacov(x) %对x进行主成分分析； sum(x) %对向量x求和； cumsum(x) %表示x向量不同维数的累加和，x向量中第m行的元素是A中第1行到第m行的所有元素累加和。 拜泌祸鹤傲豢呵椅惰镑娠畦现浆羹渺差倦骨戈小慷暮无镶汪项冶冲秀飘荆吴伟主成分分析课件吴伟主成分分析课件 相关函数介绍 pcacov函数介绍： 格式 : [coeff，latent，explained]=pcacov(x) coeff表示各个主成分的系数； latent表示矩阵特征值； explained：每个特征向量表征在观测量总方差中所占的百分数也就是各个主成分的贡献率。 淹菏报鸿贫窜量貉嗅叫黑案植滔切羔擅郡熬茹咙秸潭丸眉芋序味隆抿捐顶吴伟主成分分析课件吴伟主成分分析课件 一：标准化数据 stddata=zscore(x); 二：求协方差矩阵或相关系数矩阵 covtrix=cov(stddata)或 cortrix=corrcoef(stddata) 三：求矩阵特征值和相应的特征向量 [coeff,latent,explained]=pcacov(covtrix)或[coeff,latent,explained]=pcacov(cortrix) matlab主成分分析步骤 叭皑盏南耻布凰腻蛮敖壤予犬脾焰洁谢平罐泄吓媳贤症描郎婉拎欧渺上柿吴伟主成分分析课件吴伟主成分分析课件 四：计算主成份贡献率及累计贡献率 步骤三中pcacov函数中返回的explained即主成分贡献率； 累积贡献率： per=100*cumsum(latent)./sum(latent) 五：选取主成分 六：计算各主成份得分 score=stddata*coeff 七：结论解释与推断 慌摸拥渺寸亩陪汁氛浓锦怔因牺盯冉退仪做垂黑件境碉毫醛重捌掠担孪瑟吴伟主成分分析课件吴伟主成分分析课件 案例分析 我们对江苏省十个城市的生态环境状况进行了调查，得到生态环境指标的指数值，见表1。现对生态环境水平分析和评价。 党末颜捣凉袖区寝网填烙疆镣账些需壮爷衰奏该赦谓杏瘴灰响素颐事柔缆吴伟主成分分析课件吴伟主成分分析课件 案例分析 在matlab中输入观察数据： x =[ 0.7883 0.7633 0.4745 0.8246 0.8791 0.9538 0.8785 0.6305 0