对应分析与典型相关分析笔记_数学建模系列
这里的对应分析与典型相关分析仍然用于降维,因子分析的进阶!
对应分析:在同一张图上,直观的展现样本和属性的聚类效果,同时省去因子选择、因子轴旋转等复杂过程。具体操作,可以概括为,先将矩阵标准化(比如概率矩阵),再将样本集和属性集作为两组点集表示在同一个二维坐标中(选取最优二维表示)。
典型相关分析:为了从总体上把握两组指标之间的相关关系,分别在两组变量中提取有代表性的两个综合变量U1和V1(分别为两个变量组中各变量的线性组合),利用U1和V1之间的相关关系来反映两组指标之间的整体相关性。目标通常是找到使U1和V1相关性最高的两个系数向量。
对应分析
(↓R)
## 数据读入 ##
inputData <- read.csv("*C:\\Users\\lenovo\\Desktop\\1.csv*", header = TRUE, sep = ",")
X <- inputData[, -1]
rownames(X) <- inputData[, 1]
## 进行对应分析,生成报表,绘制因子分析的散点图 ##
library(ca)
X.ca <- ca(X)
summary(