主成分分析在系统评价中的应用 2.pptVIP

系统评价学-刘新建 系统评价学-刘新建 系统评价学-刘新建 主成分分析在系统评价中的应用 principal component analysis 基本数学思想 设原始数据表中的变量为 。主成分分析过程实质上是对原坐标系进行平移和旋转变换，使得新坐标的原点与数据群点的重心重合，新坐标系的第一轴与数据变异的最大方向对应，新坐标系的第二轴与第一轴标准正交，并且对应于数据变异的第二大方向……依此类推。这些新轴分别被称为第一主轴 ，第二主轴 ……。若经舍弃少量变量信息后，主轴变量集合能够十分有效地表示原数据的变异情况，则原来的p维空间就被降至m维。生成的空间被称为m维主超平面。主成分分析的本意是简化！ 系统评价学-刘新建 * 主成分分析的算法准则 对于一个高维变量空间系统，要讨论对它进行简化的方法，首先要回答的问题是：简化的标准是什么？ 设原变量空间是 新变量空间是 主成分分析就是寻找合适的矩阵A，使得，m ≤ p 那么，什么是合适的呢？ 系统评价学-刘新建 * 1.数据变异最大方向之原则 由主成分分析的数学思想得知：主成分集合是解释原数据集合差异性最好的变量集合。 若以一个变量y1代表原变量集合，则应使得： 若以 代表原变量集合，则应使得： 系统评价学-刘新建 * 2.最小二乘原则 设有一个原样本点ei，其在新空间中的映