主成分分析完整版新.pptVIP

主成分分析的步骤 1.将原始数据标准化； 2.根据标准化变量求出协方差矩阵（标准化后协方差矩阵与相关矩阵完全一样）； 3.求出相关矩阵的特征值，计算累计贡献率，及其对应的特征向量； 4.确定主成分，进一步分析。 主成分分析 Principal component analysis 主成分分析的基本思想 主成分的计算 主成分分析的应用 主成分分析的基本思想 主成分分析就是把原有的多个指标转化成少数几个代表性较好的综合指标，这少数几个指标能够反映原来指标大部分的信息（85%以上），并且各个指标之间保持独立，避免出现重叠信息。主成分分析主要起着降维和简化数据结构的作用。 §1 基本思想 主成分分析是把各变量之间互相关联的复杂关系进行简化分析的方法。 在社会经济的研究中，为了全面系统的分析和研究问题，必须考虑许多经济指标，这些指标能从不同的侧面反映我们所研究的对象的特征，但在某种程度上存在信息的重叠，具有一定的相关性。 主成分分析试图在力保数据信息丢失最少的原则下，对这种多变量的截面数据表进行最佳综合简化，也就是说，对高维变量空间进行降维处理。 很显然，识辨系统在一个低维空间要比在一个高维空间容易得多。 基于相关系数矩阵/协方差矩阵做主成分分析？ 选择几个主成分？ 如何解释主成分所包