ch8 主成分分析2016.ppt

第八章. 主成分分析Principal Component Analysis;8.1 引言;在一个低维空间辩识系统，要比在高维空间容易得多。;;两个特殊的情况;一张35?4 维的数据表， 你能立刻看见这些期刊 有什么特点吗？;;;;二. 数据系统简化的思想方法;数据系统简化的思想方法;; 样本点集合的重心:;二. 变量集合;协方差阵 ;8.3 数据的标准化处理;（二）“压缩”处理（无量纲处理）;危害：量纲不同，有歪曲数据变异方向作用。 区分：假变异——本质变异 消除量纲的处理： （1）压缩处理 : 例： **性质: 压缩处理后的变量方差恒等于1。 ;2. 标准化处理：中心化——压缩 性质： g*=0 (均值为0) sj* =1, j=1,2,…, p ( 方差等于1 ） . ;对于标准化数据表： （1）变量方差均等于1 （2）相关系数矩阵 = 协方差矩阵 ;(三) 复习：直角坐标系 ???于Rp中任意一个标准正交基： ;8.4 PCA的算法; 二. PCA的计算方法（一般情况下）;;三、主成分的统计特征;总结：PCA算法的输入与输出;总结：经过主成分分析;8.5 PCA的辅助分析技术; 形象地看： 方差： 注意： 所以，定义“累计贡献率”： ;2. 、如何选取合适精度的u1,…,um 。 根据累计贡献率可以确定所要选取的成分的个数。 （2）若希望Qm在80%左右，应选取 个主成分。 一些科技问题的累计贡献率要求在90%以上。但对复杂的社会科学、行为科学或经济学中的数据，能达到60%也可以考虑。 ;二. 主成分的命名;例②：中国城市经济分析： 1984： y1—综合水平， y2——工农业投入 1988： y1—综合水平，y2——外贸，科技。 　　由于开放程度不同，使中国各地区经济水平差距逐渐拉大。 2.方法：专业知识 + 数学手段 数学手段：研究 yh与 x1，…,xp 的相关关系。 对于标准化数据可以证明： ;;例.管理期刊分类评估;（2）相关圆图（Component Plot);;三. 主平面图;四. 判断“特异点”（ek）;一般地，定义“ei 对Var(yh)的贡献”CTRh(i)： CTR(i)过大解原因： （1）数据本身的特异性（BJ，SH, GZ, SZ, TJ） （2）数据统计上的错误 处理方法：除去这些特异点，可以提高分析精度，图示也更加清楚。 ;PCA将一个高维变量系统有效的降至 1 维 例1：Kendall [英] 评估英国各地区农业生产水平。48个郡，10种农作物：小麦（x1)、大麦（x2)、燕麦（x3)、土豆（x4)、菜豆（x5)、马铃薯（x6)、萝卜（x7)、饲料甜菜（x8)、临时牧场干草（x9)、永久牧场干草（x10)。（精度：47.6%） Y1= 0.39 x1+0.37 x2+0.39 x3+0.27 x4+0.22 x5 +0.30 x6+0.32 x7+0.26 x8+0.24 x9+0.34 x10 这里，第一主成分y1与 x1，…,x10 均正相关 所以，称 y1 为——“水平因子”，可用于评估排序。;1、“主成分”是否等同于“主要因素”？ 例如：利用主成分分析构造评估函数 （1）样本点：n个有关专家 （2）变量：p个评估指标 问题：用第一主成分构造的评估指标完全不符合人们对实际情 况的认识。 原因：;;8.7 因子分析 ;学生代码;对学生成绩的数据进行主成分分析，得到下面的SPSS输出：;; 因子分析的结果（ Varimax旋转后）从SPSS的输出，得到因子f1和 f2与原来变量的相关系数;8.8 SPSS软件应用 ;;;;;;;;;;;;;;案例2、各地污染行业集中度;变量符号; 对 X1~X8 进行主成份分析，第一主成份（G1）的累计贡献率为 78.0%;;8.9 时序立体数据表分析（补充）;;时序立体数据表分析内容;1985~1988,中国城市的国民生产总值平均年增长率为10.7%。 1989年国民生产总值比上年增长4%。;8.10 符号数据分析（补充）;符号数据分析的基本输入单元-----符号数据表 ;;案例1: 中国股市特征分析 ;2、中信风格指数划分的股票风格分类;六个风格股票的每股收益(2000);六个风格板块的净资产利润率(2000);4、股市中“风险—收益不对称”的现象;中国股市与成熟股市存在显著差异;5、 不以经营业绩作为主要的投资依据 ; 变量: 流通市值, 换手率, 收益率, 市盈率, 振幅;删除 15 个离群点