主成分分 析法.pptVIP

  • 18
  • 0
  • 约3.86千字
  • 约 49页
  • 2019-10-20 发布于广东
  • 举报
主成分分析法 一、主成分分析法概述 每个人都会遇到有很多变量的数据。 这些数据的共同特点是变量很多,在如此多的变量之中,有很多是相关的。人们希望能够找出它们的少数“代表”来对它们进行描述。 介绍两种把变量维数降低以便于描述、理解和分析的方法:主成分分析(principal component analysis)和因子分析(factor analysis)。实际上主成分分析可以说是因子分析的一个特例。 定义: 主成分分析(Principal Components Analysis ,PCA)也称为主分量分析,是一种通过降维来简化数据结构的方法,即如何把多个变量(变量)转化为少数几个综合变量(综合变量),而这几个综合变量可以反映原来多个变量的大部分信息。主成分:把相关的变量变为无关的主成分。 注意:进行主成分的变量之间必须要有相关性,经过分析后变量之间独立。 二、主成分分析法基本原理 主成分分析就是设法将原来众多具有一定相关性的变量(如p个变量),重新组合成一组新的相互无关的综合变量来代替原来变量。怎么处理? 通常数学上的处理就是将原来p个变量作线性组合作为新的综合变量。如何选择? 如果将选取的第一个线性组合即第一个综合变量记为F1,自然希望F1尽可能多的反映原来变量的信息。怎样反映? 最经典的方法就是用方差来表达,即var(F1)越大,表示F1包含的信息越多。因此在所有的线性组合中

文档评论(0)

1亿VIP精品文档

相关文档