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