主成分分析法原理简介.PDFVIP

  主成分分析法原理简介 1.什么是主成分分析法 主成分分析也称主分量分析，是揭示大样本、多变量数据或样本之间内在关 系的一种方法，旨在利用降维的思想，把多指标转化为少数几个综合指标，降低 观测空间的维数，以获取最主要的信息。 在统计学中，主成分分析（principal components analysis, PCA ）是一种简化 数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中， 使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差 在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数， 同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶 主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不 是一定的，要视具体应用而定。 2.主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因 素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变 量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相 关性，因而所得的统计数据反映的信息在一定程