資源描述：
《吳偉主成分分析.ppt》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、主成分分析法(MATLAB應用)第一組：吳偉、李璇、朱璇應用matlab進行主成分分析pca步驟簡介1相關函數簡介2案例分析3數據分析4主成分分析簡介主成分分析（principalcomponentanalysis，簡稱PCA)是在處理數據時，在保留絕大多數信息的條件下將多個變量綜合為幾個主要變量，進而在新的綜合變量基礎上，對數據進一步的分析解釋及推斷的一種方法。pca步驟第一步：對原始數據進行標準化處理；第二步：計算標準化后數據數組協方差矩陣或相關矩陣；第三步：求協方差矩陣的特征值和相應的特征向量；第四步：計算主成份貢獻率及累計貢獻率；第五步：依據方差貢獻率選取主成份；第六步：計算主成份
2、得分；第七步：結論解釋與推斷。相關函數簡介std(x)%求矩陣x的標準差；zscore(x)%對矩陣x進行標準化；cov(x)%求矩陣x的協方差矩陣；corrcoef(x)%求矩陣x的相關系數矩陣；[coeff,latent,explained]=pcacov(x)%對x進行主成分分析；sum(x)%對向量x求和；cumsum(x)%表示x向量不同維數的累加和，x向量中第m行的元素是A中第1行到第m行的所有元素累加和。相關函數介紹pcacov函數介紹：格式:[coeff，latent，explained]=pcacov(x)coeff表示各個主成分的系數；latent表示矩陣特征值；exp
3、lained：每個特征向量表征在觀測量總方差中所占的百分數也就是各個主成分的貢獻率。一：標準化數據>>stddata=zscore(x);二：求協方差矩陣或相關系數矩陣>>covtrix=cov(stddata)或cortrix=corrcoef(stddata)三：求矩陣特征值和相應的特征向量>>[coeff,latent,explained]=pcacov(covtrix)或[coeff,latent,explained]=pcacov(cortrix)matlab主成分分析步驟7四：計算主成份貢獻率及累計貢獻率步驟三中pcacov函數中返回的explained即主成分貢獻率；累積貢獻
4、率：>>per=100*cumsum(latent)./sum(latent)五：選取主成分六：計算各主成份得分>>score=stddata*coeff七：結論解釋與推斷案例分析我們對江蘇省十個城市的生態(tài)環(huán)境狀況進行了調查，得到生態(tài)環(huán)境指標的指數值，見表1。現對生態(tài)環(huán)境水平分析和評價。案例分析在matlab中輸入觀察數據：x=[0.78830.76330.47450.82460.87910.95380.87850.63050.89280.73910.72870.51260.76030.87360.92570.85420.61870.78310.81110.76290.88100.6888
5、0.81830.92850.85370.63130.56080.65870.85520.89030.89770.94460.94340.90270.74150.84190.65430.75640.82880.79260.92020.91540.87290.63980.84640.82590.74550.78500.78560.92630.88710.84850.61420.76160.84860.78000.80320.65090.91850.93570.84730.57340.82340.68340.94900.88620.89020.95050.87600.90440.89800.63
6、840.84950.89180.39870.67990.86200.95790.88660.61860.96040.78460.89540.39700.98770.88730.97410.90350.73820.8514]案例分析一：標準化數據>>stddata=zscore(x);標準化后數據案例分析二：求協方差矩陣或相關系數矩陣>>covtrix=cov(stddata)；協方差矩陣案例分析三：求矩陣特征值和相應的特征向量>>[coeff,latent,explained]=pcacov(covtrix)各特征向量即各主成分荷載系數案例分析四：計算主成份累計貢獻率>>per=100*c
7、umsum(latent)./sum(latent)五：選取主成分六：計算各主成份得分>>score=stddata*coeff累計貢獻率個主成分得分數據分析七：結論解釋與推斷第一主成分貢獻率為43.12％，第二主成分貢獻率為29.34％，第三主成分貢獻率為11.97％，前三個主成分累計貢獻率達84.24％。如果按80％以上的信息量選取新因子，則可以選取前三個新因子。第一新因子z1包含的信息量最大為43.12％，它的主要
