原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
主成分分析法 (PCA)
在实际问题中 . 我们经常会遇到研究多个变量的问题 . 而且在多数情况下 . 多个变量之间
常常存在一定的相关性。由于变量个数较多再加上变量之间的相关性 . 势必增加了分析问题
的复杂性。如何从多个变量中综合为少数几个代表性变量 . 既能够代表原始变量的绝大多数
信息 . 又互不相关 . 并且在新的综合变量基础上 . 可以进一步的统计分析 . 这时就需要进行主
成分分析。
I. 主成分分析法 (PCA)模型
（一）主成分分析的基本思想
主成分分析是采取一种数学降维的方法 . 找出几个综合变量来代替原来众多的变量 . 使
这些综合变量能尽可能地代表原来变量的信息量 . 而且彼此之间互不相关。这种将把多个变
量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析或主分量分析。
主成分分析所要做的就是设法将原来众多具有一定相关性的变量 . 重新组合为一组新的
相互无关的综合变量来代替原来变量。通常 . 数学上的处理方法就是将原来的变量做线性组
合 . 作为新的综合变量 . 但是这种组合如果不加以限制 . 则可以有很多 . 应该如何选择呢？如
果将选取的第一个线性组合即第一个综合变量记为 F1 . 自然希望它尽可能多地反映原来变
量的信息 . 这里“信息”用方差来测量 . 即希望 Var ( F ) 越大 . 表示 F 包含的信息越多。因此
1 1
在所有的线性组合中所选取的 F 应该是方差最大的 . 故称 F 为第一主成分。 如果第一主成分
1 1
不足以代表原来 p 个变量的信息 . 再考虑选取 F2 即第二个线性组合 . 为了有效地反映原来
信息 . F 已有的信息就不需要再出现在 F 中. 用数学语言表达就是要求 Cov ( F , F ) 0 .
1 2 1 2
称 F 为第二主成分 . 依此类推可以构造出第三、四……第 p 个主成分。
2
（二）主成分分析的数学模型
对于一个样本资料 . 观测 p个变量 x , x , x . n 个样品的数据资料阵为：
1 2 p
x11 x12 x1 p
x21 x22 x2 p
X x , x , x
1 2 p
xn1 xn2 xnp
. .
x
文档评论（0）