巧用matlab进行主成分降维.docx

巧用 Matlab 实现主成分分析 概述 Matlab 语言是当今国际上科学界 （尤其是自动控制领域 ） 最具影响力、也是 最有活力的软件。它起源于矩阵运算， 并已经发展成一种高度集成的计算机语言。 它提供了强大的科学运算、 灵活的程序设计流程、 高质量的图形可视化与界面设 计、与其他程序和语言的便捷接口的功能。 Matlab 语言在各国高校与研究单位 起着重大的作用。主成分分析是把原来多个变量划为少数几个综合指标的一种统 计分析方法，从数学角度来看，这是一种降维处理技术。 1.1 主成分分析计算 步骤 PCA ① 计算相关系数矩阵 r11 r12 r1p R r21 r22 r2p rp1 rp2 rpp （1 ） 在（ 3.5.3）式中， rij （i， j=1 ，2， …，p）为原变量的xi与xj之间的相关 系数，其计算公式为 rij(Xki X rij (Xki Xi)(Xkj Xj) k 1 n X)2 (Xkj Xj)2 k 1 (2) 因为R是实对称矩阵(即rj=rji),所以只需计算上三角元素或下三角元素即可。 计算特征值与特征向量 首先解特征方程I R 0 ,通常用雅可比法(Jacobi )求出特征值 i(i 1,2, ，P)，并使其按大小顺序排列，即 1 2 , p 0 ；然后分别求 P 出对应于特征值i的特征向量e(i 1,2, , p)。这里要求e =1，即 ej 1， j 1 其中eij表示向量e的第j个分量。 计算主成分贡献率及累计贡献率 主成分乙的贡献率为 (i 1,2, , p) 累计贡献率为 (i1,2, , p) (i 1,2, , p) 般取累计贡献率达85 — 95% 般取累计贡献率达 85 — 95%的特征值 m所对应的第一、第 …，第m (m p)个主成分 计算主成分载荷 其计算公式为 lj P(Z,xJ /?ej(i,j 1,2, ,p) (3) 得到各主成分的载荷以后，还可以按照(3.5.2 )式进一步计算，得到各主 成分的得分 z11 Z12 Z1 m Z Z21 Z22 z2m Zn1 Zn2 Znm 程序结构及函数作用 在软件Matlab中实现主成分分析可以采取两种方式实现： 一是通过编程来 实现；二是直接调用 Matlab种自带程序实现。下面主要主要介绍利用 Matlab 的矩阵计算功能编程实现主成分分析。 2.1程序结构 主函数Cwpri nt.m 主函数 子函数 Cwstd.mCwfac.mCwscore.m Cwstd.m Cwfac.m Cwscore.m 2.2函数作用 Cwstd.m ――用总和标准化法标准化矩阵 Cwfac.m 计算相关系数矩阵；计算特征值和特征向量；对主成分进行 排序；计算各特征值贡献率；挑选主成分（累计贡献率大于 85%），输出主成分 个数；计算主成分载荷 Cwscore.m 计算各主成分得分、综合得分并排序 Cwpri nt.m 读入数据文件；调用以上三个函数并输出结果 读者注意，在做主成分分析时一定要看清原理，两个重点，一个是选取 85%， 一个是matalab严格区分大小写。这是编者读完网上代码后改写的正确代码。 源程序 cwstd.m %cwstd.m, 用总和标准化法标准化矩阵 function std=cwstd(vector) cwsum=sum(vector,1); % 对列求和 [a,b]=size(vector); % 矩阵大小 ,a 为行数 ,b 为列数 for i=1:a for j=1:b std(i,j)= vector(i,j)/cwsum(j); end end cwfac.m %cwfac.m function result=cwfac(vector); fprintf( 相关系数矩阵 :\n) std= corrcoef (vector) % 计算相关系数矩阵 // fprintf( 特征向量 (vec) 及特征值 (val) ： \n) [vec,val]=eig(std) % 求特征值 (val) 及特征向量 (vec) newval=diag(val) ; [y,i]=sort(newval) ;% 对特征根进行排序， y 为排序结果， i [y,i]=sort(newval) ; fprintf( 特征根排序： \n) for z=1:length(y) newy(z)=y(length(y)+1-z); end fprintf(%g\n,newy) rate=y/sum(y); fprintf(\n 贡献率： \n) newrate=newy/sum(newy) sumrate=0; newi=[]; for k=length(y):-1:1 sumrate=sumrate+rate(k)