- 1、本文档共45页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
以主成份分析建构美国职棒大联盟最佳选手的筛选模式知识分享.ppt
以主成份分析建構美國職棒大聯盟最佳選手的篩選模式;主成份分析介紹;自變項;主成份分析建構流程;最後求出其解釋能力:R2= λ1/(λ1+ λ1…+ λp)
解釋能力:為了達到簡化目標,主成份只取最大的q個來代替原來的p個變數,而這q個主成份解釋了原來p個變數的變異比例。;資料來源與處理(1/2);收集相關數據;實驗結果分析、Demo;將這些原始數據貼到SPSS軟體中;選擇分析---資料縮減---因子;將需要分析的項目移到變數的方塊裡。;按描述性統計量鈕
勾選單變量描述性統計量、係數
最後按下繼續與確定;最後軟體做輸出,要的資料為相關矩陣。;投手數據之相關矩陣(美聯);投手數據之相關矩陣(國聯);開啟MatLab輸入剛求得的相關矩陣
A=[相關矩陣];輸入[V, D] = eig(A)求得特徵值和特徵向量
eig(A)為矩陣A的一欄向量代表A的特徵值
V代表矩陣A的特徵向量
D代表矩陣A對角矩陣其元素代表A的特徵值;將特徵值依大小排序後,選擇最大的特徵值(4.6893);選擇最大特徵值後,接下選擇該行所對應的特徵向量。(紅字表示);V =特徵向量
0.3575 -0.5981 0.2273 -0.0145 0.1198 -0.4404 0.3555 0.3577
-0.0554 -0.2444 -0.5968 0.4326 0.2424 0.1063 0.4474 -0.3516
-0.2442 0.3090 -0.2682 0.3069 0.2926 -0.6471 -0.2709 0.3179
-0.5957 0.1331 -0.0942 -0.3534 -0.2098 -0.0224 0.5874 0.3225
-0.3725 -0.0165 0.6063 0.4716 -0.1912 -0.2373 0.1468 -0.3956
0.2158 0.4468 0.2086 -0.3433 0.5677 -0.1759 0.3358 -0.3556
-0.3059 -0.1405 0.3034 0.1773 0.6314 0.4905 -0.0684 0.3454
0.4192 0.4997 0.0899 0.4711 -0.1994 0.2183 0.3407 0.3756
D =特徵值
0.0440 0 0 0 0 0 0 0
0 0.0915 0 0 0 0 0 0
0 0 0.1330 0 0 0 0 0
0 0 0 0.2534 0 0 0 0
0 0 0 0 0.4373 0 0 0
0 0 0 0 0 0.7485 0 0
0 0 0 0 0 0 1.1440 0
0 0 0 0 0 0 0 5.1482;將這些所對應的特徵向量轉換為方程式,即得到計算主成份分數用的線性方程式。
美聯:
Y=0.3613X1-0.4056X2+0.324X3+0.3338X4-0.414X5
-0.3308X6+0.2844X7+0.3561X8
國聯:
Y=0.3577X1-0.3516X2+0.3179X3+0.3225X4-0.3956X5
-0.3556X6+0.3454X7+0.3756X8
代入原始資料(X
文档评论(0)