主成分分析讲解PPT演示课件.ppt

* * * * 主成分的概念 1 设x1,x2,…xp为 p 维随机变量 X1,X2,…,Xp的标准化变换 如果其线性组合 满足 则称C1为第一主成分。 * * 主成分的概念 2 若 满足 则称C2为第二主成分。 类似地，共可得到至多 p 个主成分。 * * 主成分的性质 主成分 C1，C2，…，Cp 具有以下性质： (1)主成分间互不相关Corr(Ci，Cj)=0 i ? j (2) 组合系数(ai1，ai2，…，aip)构成的向量为单位向量 (3)各主成分的方差是依次递减的， 即 Var(C1)≥Var(C2)≥…≥Var(Cp) (4) 总方差不增不减， 即 Var(C1)+Var(C2)+ … +Var(Cp) =Var(x1)+Var(x2)+ … +Var(xp) =p * * 主成分的计算 1 设 R 为 X1,X2,…,Xp 的相关矩阵，则存在?1≥?2≥…≥?p≥0，和正交矩阵A，使 其中?i为相关矩阵R的第i个特征值(eigenvalue) (ai1 ai2 … aip)’则是相关矩阵R的第i个特征值对应的特征向量。 ?i是第i个主成分的方差 * * 主成分的计算 2 记主成分C=(C1 C2 … Cp)’，则 C=A’x 即 * * 主成分的计算 3 因子模型（全分量模型）表达形式 x=AC 即 矩阵A称载荷矩阵，反映各主成分对原始变量x各分量的贡献大小。 * * 主成分的计算 4 因子模型（全分量模型）表达-- 主成分标准化变换 * * x=Lc lij是xj和ci的相关系数 SPSS输出的系数矩阵是L矩阵 * * 实例 城市男生形态资料数据来自方积乾《医学统计学与电脑试验》第2版 * * 实例主成分分析结果—特征值（方差）及其比例 * * 主成分分析结果—L矩阵 注意L矩阵的下标，是列在前，行在后 * * 主成分分析结果—L矩阵 注意L矩阵的下标，是列在前，行在后 * * 主成分和原变量的关系 观察L矩阵，由相关系数做出解释 主成分未必一定有明确的解释 选取有明确解释的主成分做综合指标，主成分得分就是“综合指数”。 * * 实例的标准化第一主成分得分 Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH Dept. of Epidemio Biostat, SPH 主成分分析 Principal Component Analys