第七章主成分分析pptPowerPoint演示文稿.pptVIP

因此，在解释主成分 时，由相关矩阵 求得的载荷 和相关系数 所起的作用 是完全相同的。 例 7.2.3 在例7.2.2中， 的相关矩阵 的特征值及特征向量为 相应的主成分分别为 的贡献率为 和 累积贡献率为 第三节 样本的主成分 设数据矩阵为 则样本协方差矩阵和样本相关矩阵分别为 其中 为样本均值。可以用 代替 。用 代替 ，然后从 或 出发按类 似于上一节的方法求得样本主成分。 一、从 出发求主成分 设 为 的特征值， 为相应的单位特征向量，且彼此 正交。则第 样本主成分为 ，它具 有样本方差 ，各主成分之间 的样本协方差为零。 此外，样本总方差 与 的样本相关系数 其中 在实际应用中，常常让 减去 ，使样本数据中心化。这不影响样本协方差矩阵 ，在前面的论述中唯一需要变化的是，将第 主成分改写成中心化的形式，即 若将各观察值 代替上式中的观察值向量 ，则第 主成分的值 称之为观察值 的第 主成分得分。 所有观察值的平均主成分得分 设样本相关矩阵 的 个特征值为 为相应 的正交单位特征向量，则第 个样本主成分 二、从 出发求主成分 其中 是各分量经（样本）标准化了的向量， 即 令 这是 的各分向量数据经标准化后的数据向 量，将其代替（7.3.6）式中的 ，即得观察 值 在第 主成分上的得分 所有观察值的平均主成分得分 * * 第七章 主成分分析 主成分分析的一般目的是： (1)变量的降维； (2)主成分的解释。 主成分分析（或称主分量分析）是一种通 过降维技术把多个变量化为少数几个主成分（即综合变量）的统计分析方法。 第一节 引言 为便于对主成分分析的理解，我们考虑（间隔） 变量个数 的情形，假设共有n个样品， 每个样品都测量了两个变量（ ），它们 大致分布在一个椭圆内，如图7.1.1所示。显然 在坐标系 中，n 个点的坐标 和 呈现 某种线性相关性。我们将该坐标系按逆时针方 向旋转某个角度 变成新坐标系 。 是椭圆的长轴方向， 是短轴方向。 旋转公式为 . 图 7.1.1 设 为一个 维随机向量， 并假设二阶矩存在，记 。 考虑如下的线性变换 第二节 总体的主成分 一、主成分的定义及导出 将 限制为单位向量，即 ， 希望在此约束条件下寻求向量 ，使得 达到最大， 就称为第一主 成分。 由于对任意的常数k ，有 如果不对 加以限制，就不能保证 是 的一切线性函数中方差最大的。 其中 为正交矩阵。 设 （因为 非负定） 为