数学建模之主成分分析matlab

数学建模之主成分分析

主要步骤：
一、相关系数矩阵方法

1. 对原始数据进行标准化处理（单位化和归一化）
2. 计算样本相关系数矩阵
3. 计算相关系数矩阵R的特征值和相应的特征向量
4. 选择重要的主成分（求各个主成分的贡献率以及累积贡献率）
5. 选取主成分一般当累积贡献率达到85%以上时，即可。
6. 计算主成分得分
   二、协方差矩阵方法
7. 对原始数据进行标准化处理（单位化和归一化）
8. 计算协方差矩阵
9. 计算协方差矩阵的特征值和相应的特征向量
   其余与上相似

matlab程序：
B=xlsread('C:\Users\Lenovo\Desktop\跑步.xlsx');
B=zscore(B); %将矩阵标准化
r=corrcoef(B);%计算相关矩阵
[coef,score,latent] = princomp(B);  %coef:系数矩阵,特征向量 
%score：对原始数据进行解析得到的数据. 将n维数据按贡献率由大到小分列
                              %latent:一维列向量，每一个数据是对应score里响应维的特征值由大到小
latent'; 
y=(100*latent/sum(latent))'; %特征值贡献率
//可以根据y(:,1)+y(:,2)+….来依次计算累积贡献率
[row,col]=size(coef);
for j=1:col
Z(:,j)=orth(coef(:,j));%将特征向量正交化
end
[m,n]=size(Z);  
A=[];
for i=1:n  
    A(1,i)=norm(Z(:,i));  
end  
A=repmat(A,m,1);  
Y=Z./A;   %将正交化的变量单位化，Y即为单位正交化后的特征向量
%计算主成分得分
new_score=B*Y;
[a,b]=size(B);
for i=1:a
    total_score(i,1)=sum(new_score(i,:));
    total_score(i,2)=i;  %排名
end
%强主成分得分与总分放到同一个矩阵中
result_report=[new_score,total_score];
%按总分降序排列
result_report=sortrows(result_report,-4); %以第四列排序进行降序排序