数据分析，主成分分析例题

最新推荐文章于 2024-09-07 12:39:07 发布

墨影雲清

最新推荐文章于 2024-09-07 12:39:07 发布

阅读量1.3w

点赞数 35

文章标签：数据分析矩阵

本文链接：https://blog.csdn.net/m0_50606557/article/details/125303560

版权

已知协方差矩阵求X的各主成分以及主成分的贡献率
在这里插入图片描述

主成分分析

原理：找出几个综合变量来代替原来众多的变量，使这些综合变量能尽可能地代表原来变量的信息量，且彼此之间互不相关

统计方法：主成分分析（主分量分析）

主成分分析步骤

1.根据已知协方差矩阵，求出相应的特征值（特征根）

令|kE-A|=0（其中k是特征值），求出的k就是所需要的特征值

2.求出对应特征值的特征向量

解方程|kE-A|X=0，求X的所有情况（参考高等代数的第三章解线性方程组）
求出基本解系，设定自由未知量的值
（X是向量）

3.对所求出来的特征向量进行正交化

正交化：使得两个向量线性无关
（详细方法下面解题过程中有）

4.对于正交化后的向量进行单位化

使正交化后的向量进行单位化

5.选择重要的主成分并写出主成分表达式

对应的单位正交化后的向量对应系数

6.计算主成分得分

7.依据主成分得分的数据进行进一步的统计分析

下面是例题的求解过程
在这里插入图片描述

总结

矩阵计算的基础，行列式的基本运算，求特征值和特征根，掌握这三点，基本这个题就可以做了，考试的时候计算不要占用太多的时间

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

墨影雲清

关注关注

35
点赞
踩
180

收藏

觉得还不错? 一键收藏
12
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

主成分分析法案例

05-31

主成分分析法案例讲解Ppt,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。

主成分分析matlab源代码（带注释，带例题数据）

07-20

主成分分析matlab源代码（带注释，带例题数据）

12 条评论您还未登录，请先登录后发表或查看评论

数学建模笔记—— 主成分分析（PCA)

最新发布

lbm666666的博客

09-07

2540

主成分分析是对于原先提出的所有变量,将重复的变量(关系紧密的变量)删去多余,建立尽可能少的新变量,使得这些新变量是两两不相关的,且这些新变量在反映课题的信息方面尽可能保持原有的信息。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?我们可以把多种指标中综合成几个少数的综合指标,做为分类的型号,将十几项指标综合成3项指标,一项是反映长度的指标,一项是反映胖瘦的指标,一项是反映特殊体型的指标。怎么找到新的维度呢?

[转载]简单易学的机器学习算法-主成分分析（PCA）

weixin_30861797的博客

06-26

1301

一、数据降维对于现在维数比较多的数据，我们首先需要做的就是对其进行降维操作。降维，简单来说就是说在尽量保证数据本质的前提下将数据中的维数降低。降维的操作可以理解为一种映射关系，例如函数，即由原来的二维转换成了一维。处理降维的技术有很多种，如前面的SVD奇异值分解，主成分分析(PCA)，因子分析(FA)，独立成分分析(ICA)等等。二、PCA的概念 PCA是一种较为常用的降...

第16章 主成分分析：四个案例及课后习题

m0_56676945的博客

07-08

1086

1.假设x为m维随机变量，其均值为μ，协方差矩阵为Σ。考虑由m维随机变量x到m维随机变量y的线性变换yiαiTxk1∑mαkixki12⋯m其中αiTα1iα2i⋯αmi。如果该线性变换满足以下条件，则称之为总体主成分：（1）αiTαi1i12⋯m；（3）变量y1是x。

主成分分析例题

m0_69782322的博客

11-30

6373

解：对于主成分分析的题，一般来说，题目给定一个协方差阵，不管怎样先求出特征值和特征向量。虽然第一个主成分的贡献率不小，但在本题中第一主成分不含第三个原始变量的信息，因此应该取两个主成分。（注意这里算的不是累积贡献率）所以我们取前两个主成分就可以了。的相关系数的平方，信息提取率为两者之和，如下，试求主成分分析，并求出每个主成分的。的相关系数的平方，信息提取率为两者之和。给定X的协差阵，对其进行主成分分析,（2）求出每个原始变量的信息提取率；相关系数的平方，其他原始变量同理。（1）求出每个主成分的贡献率；

python主成分分析_Python机器学习笔记：主成分分析（PCA）算法

weixin_39570530的博客

11-28

1745

一：引入问题首先看一个表格，下表是某些学生的语文，数学，物理，化学成绩统计：首先，假设这些科目成绩不相关，也就是说某一科目考多少分与其他科目没有关系，那么如何判断三个学生的优秀程度呢？首先我们一眼就能看出来，数学，物理，化学这三门课的成绩构成了这组数据的主成分（很显然，数学作为第一主成分，因为数据成绩拉的最开）。那么为什么我们能一眼看出来呢？当然是我们的坐标轴选对了！！下面，我们继续看一个表格，下...

PCA主成成分分析例题详解

Infinity_and_beyond的博客

05-07

4217

主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。

主成份分析matlab例题,主成分分析法例子.[共20页]

weixin_36250220的博客

03-21

1237

《主成分分析法例子.[共20页]》由会员分享，可在线阅读，更多相关《主成分分析法例子.[共20页](20页珍藏版)》请在人人文库网上搜索。1、PCA的基本原理 PCA的计算步骤 PCA应用实例,主成分分析(PCA)具体例子,秦楠,一、主成分分析的基本原理,假定有n个样本，每个样本共有p个变量，构成一个np阶的数据矩阵,1,降维处理,当p较大时，在p维空间中考察问题比较麻烦。降维是用较少的几个综合...

数学建模之主成分分析（PCA）

学习笔记

01-08

7013

由于在学习数学建模的过程中，复现建模书上的题目代码有点小麻烦，因为我找不着书上的数据，因此得一个个手打，本来已经复现了好几个模型，结果因为机械硬盘坏了，里面的东西全没了，很是无语，因此决定在这里记录我的复现代码，主要是给自己看的，等到想用的时候就可以直接拿来用了。 主成分分析 可以用于降维，可以用于评价下面展示一道例题这是书上的一道例题，需要使用主成分分析的方法进行评价。以前我一直以为PCA就是用来降维的，没想到还可用来评价，究其原因，我们都知道PCA降维会计算特征向量，其特征向量与原特征的积就是计算

主成分分析matlab源代码（带注释，带例题数据）主成分分析

07-02

主成分分析matlab源代码（带注释，带例题数据）主成分分析（Principal Component Analysis，PCA）是一种广泛应用的数据分析方法，尤其在数学建模和机器学习领域中占有重要地位。PCA的主要目标是通过线性变换将原始...

主成分分析介绍及实例

03-20

图像融合问题中比较常用的方法，主成分分析介绍及实例 主成分分析就是用较少的新变量代替原来较多的变量，以达到简化问题的目的

主成分分析matlab源代码（带注释，带例题数据）主成分分

07-02

基于SPSS实现的主成分分析实例内含主成分分析实际例子共19页PPT.ppt

07-25

以经济效益数据为例，用主成分分析法对各企业作综合评价（ spssex-2/企业经济效益的主成分分析）（一）指标的正向化。指标最好有同趋势化，一般为了评价分析的方便，需要将逆指标转化为正指标，转化的方式为用逆...

R主成分分析_R语言/主成分分析_主成分分析_

10-02

在R语言中，PCA广泛应用于数据分析、数据可视化和特征降维。通过PCA，我们可以识别数据的主要结构，减少数据冗余，并简化模型的复杂性。在R语言中执行主成分分析，主要涉及以下几个关键步骤： 1. **数据预处理**...

主成分分析案例

Classic_Sans的博客

07-29

1万+

去百度文库上一搜，是很老的题目了。这里所做的只是准备工作，为后面更多的数据处理做准备。例题 1.对原始资料矩阵进行标准化处理 zef_data = xlsread('chengshi.xls'); z = zscore(zef_data) z = 1.1977 0.7149 0.6674 1.1390 0.9189 3.1113 2.5079 3.2677 3.6461 3.6018 0.5570 0.61.

一个主成分分析例子

weixin_30271335的博客

04-09

419

文档排版有问题，可以下载附件，，假设有一个数据框a，num是样本序号，var1-var4是四个变量> a num var1 var2var3 var41 1 21.0 10.799.79.52 29.5 17.9 139.6 18.73 3 21.28.490.06.84 4 12.0 22.742.5 24.15 56....

主成分分析实例

热门推荐

weixin_40173577的博客

01-05

1万+

目录实例描述步骤确定主成分计算得分解读结果实例描述某面馆有各种种类的汤面，为了得知受欢迎程度，进行了在【面】、【汤】、【配料】3个维度的打分。现利用主成分分析法对数据挖掘。步骤确定主成分加载包 import numpy as np import pandas as pd import matplotlib.pyplot as plt #中文文字显示问题 from pylab impo...

数学建模暑期集训21：主成分分析（PCA）

兴趣使然的创作者

08-24

4382

当遇到指标众多的场景时，以前通常的处理方法基本采用逐步回归的思想。即判断各指标之间的相关程度，保留几个重要的指标，剔除其它不重要的指标。相关方法有：三大相关系数计算法、多元线性回归法、随机森林法、灰色相关系数法等。此篇文章将介绍主成分分析，在不剔除任何指标的情况下实现数据的降维。 主成分分析简介 主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，

主成分分析法例题数据

07-28

主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，能反映出原始数据的大部分信息。主成分分析的目的是简化数据，减少变量的数量，同时保留尽可能多的信息。在进行主成分分析时，首先需要计算关键变量，然后写出主成分并进行简要分析。举个例子，假设我们有一组数据，包括身高、体重、腰围、臂长等指标。我们可以进行主成分分析来降低变量的数量。根据引用\[3\]中的例子，我们可以得到三个主成分：大小成分、形状成分和臂长成分。第一主成分F1对所有原始变量都有近似相等的正载荷，可以称之为大小成分。第二主成分F2在某些变量上有正载荷，在其他变量上有负载荷，可以称之为形状成分。第三主成分F3在某些变量上有大的正载荷，在其他变量上有大的负载荷，可以称之为臂长成分。根据实际情况和需求，我们可以选择只取前两个主成分进行分析，因为第三成分的贡献度不高且实际意义不太重要。总之，主成分分析是一种有效的数据降维方法，可以将多个指标转化为几个综合指标，从而简化问题、提高分析效率。通过选择合适的主成分，我们可以更好地理解数据的结构和规律。 #### 引用[.reference_title] - *1* *3* [主成分分析法](https://blog.csdn.net/weixin_51711289/article/details/124644361)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [数据分析案例-基于PCA主成分分析法对葡萄酒数据进行分析](https://blog.csdn.net/m0_64336780/article/details/128766855)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]