主成分分析和应用.pptVIP

主成分分析(PCA 袁丁 天津大学神经工程与康复实验笔 / 目录 什么是PCA 一个简单的模型引出的PCA PCA的代数原理 今PCA求解 今总结和讨论 应用领域 PCA PCA( Principal component analysis),主元分析。 它是一种对数据进行分析的技术,最重要的应用是对原 有数据进行简化 正如它的名字:主元分析,这种方法可以有效的找 出数据中最“主要”的元素和结构,去除噪音和冗余 将原有的复杂数据降维,揭示隐藏在复杂数据背后的简 单结构。 它的优点是简单,而且无参数限制,可以方便的应 用与各个场合。 压缩变量个数 用较少的变量去解释原始数据中的大部分变量,剔除冗 余信息。即将许多相关性很高的变量转化成个数较少、能解 释大部分原始数据方差且彼此互相独立的几个新变量,也就 是所谓的主成分。 这样就可以消除原始变量间存在的共线性,克服由此造 成的运算不稳定、矩阵病态等问题 令PCA广泛用于化学实验数据的统计分析进行数据降维、 变量提取与压缩、确定化学组分数、分类和聚类以及与其 他方法连用进行数据处理。 令主成分计算方法有非线性偏最小二乘( NIPALS)、乘幂法 ( POWER)、奇异值分解(SVD)和特征值分解(EVD) 它们的原理基本上是基于特征值问题,计算结果也基本相