主成分分析法在国赛评价模型中应用.pptx

第五节主成分分析方法

PrincipalComponentAnalysis(PCA);多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，人们会很自然地想到，能否在相关分析的基础上，用较少的新变量代替原来较多的旧变量，而且使这些较少的新变量尽可能多地保留原来变量所反映的信息？;事实上，这种想法是可以实现的，主成分分析方法就是综合处理这种问题的一种强有力的工具。

主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标来代替原来指标。同时根据实际需要从中可取几个较少的综合指标尽可能多地反映原来的指标的信息。

从数学角度来看，这是一种降维处理技术。;一、主成分分析的基本原理;当p较大时，在p维空间中考察问题比较麻烦。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多变量指标所反映的信息，同时它们之间又是彼此独立的。;定义：记x1，x2，…，xP为原变量指标，z1，z2，…，zm（m≤p）为新变量指标;②z1是x1，x2，…，xP的一切线性组合中方差最大者，z2是与z1不相关的x1，x2，…，xP的所有线性组合中方差最大者；

……

zm是与z1，z2，……，zm