CDA level1 Part4概念总结

1. 主成分分析保留前k个主成分累计能够解释80%以上的变异，且最后一个主成分对应的λ不应小于1.
2. 主成分分析应用在三个方面，一是对数据做综合打分，二是降维以便对数据进行描述，三是位聚类或者回归分析等提供变量压缩。
3. 因子分析是常用的连续变量降维并进行维度分析的方法，才用主成分分析法作为因子载荷矩阵的估计方法，在特征向量的方向上，使用特征值的平方根进行加权，最后通过因子旋转，使变量的权重在不同的因子上更加两极分化。
4. 最大方差旋转是应用最广泛的因子旋转方法，这是一种正交旋转。
5. 在选择合适的因子数量时，可以放宽对特征根的大小选择要求，大于0.7就可以保留
6. 因子分析作为维度分析手段，是构造合理的聚类模型和稳健的分类模型的必然步骤。
7. 在线性表示上，主成分分析相当于因子分析的特殊形式。
8. 因子分析是从显在变量去提炼潜在主成分的过程。
9. 主成分分析是从本质生将原指标进行综合和归纳。
10. 线性回归的5个假设：假设因变量与各个自变量有线性关系，假设样本数据是随机抽样，假设期望为0，假设同方差，假设误差服从正态分布。
11. 多元线性回归多一个假设，假设不存在完全共线关系。
12. 逐步回归是一种你和回归模型的方法，其中分为向前选择法，向后删除发，双向法。
13. 回归分析前提假设中，包含解释变量之间的非线性相关、扰动项独立分布、扰动项服从正态分布。
14. 逻辑回归的变量筛选方法：Wald检验，似然比检验，比分检验。
15. 层次聚类法分为自底而上（合并法）和自顶而下，他们都会朝着一个方向进行合并，他们的关键问题就是距离的定义。
16. 聚类算法所用的距离，可以用绝对值距离，欧氏距离，闵可夫距离，切比雪夫距离等。
17. 定义算法距离的方法是：最短距离法，最长距离法，中间距离法，类平均距离法，重心法 和离差平方和法。
18. k-means 是快速聚类的方法，它适用于较大的数据量，也需要一定的数据规范化和数据清洗。
19. 聚类的评价可以用BSS（组内平方和）和WSS（组件平方和）的方式进行，BSS越大，WSS越小，聚类效果越好。
20. k-mean方法缺陷：一是对初始位置敏感，导致聚类结果与真实值有差异。二是无法通过分析方法确定聚类的个数。三是容易受到异常值影响。
21. 取百分比秩可以将变量变为均匀分布。
22. 平稳时间序列的模型识别：根据自相关函数和偏自相关函数定阶（样本长度大于50）
23. MA（q）模式：自相关函数q步截尾，偏自相关函数拖尾
24. AR（p）模式：自相关幻术拖尾，偏自相关函数p步截尾
25. ARMA（p、q）自相关函数拖尾，偏自相关函数拖尾。