本文介绍了主成分分析的基本理论，包括如何通过线性组合找到新变量，以及主成分的构造、性质和求解方法。重点讨论了主成分分析的适用条件、注意事项，如多重共线性和数据标准化，并给出了R语言实现的示例。
参考链接：
https://blog.csdn.net/m0_37422217/article/details/104840221
目的：抓住主要矛盾，解释事物内部变量之间的规律性。
途径：找到新的成分，是原始变量的线性组合，而这些变量之间互不相关，从而有更好的性能！！！
5.1 主成分分析的构造
5.1.1 基本理论
设原始变量有P个，记为 X X X。设随机变量的均值为 μ \mu μ，协方差矩阵为 ∑ \sum ∑,对进行线性组合得到全新的变量 Y Y Y，即得到下方的式子：
f ( x ) = { Y 1 = u 11 X 1 + u 21 X 2 + . . . + u p 1 X P Y 2 = u 12 X 1 + u 22 X 2 + . . . + u p 2 X P . . . . . . Y p = u 11 X 1 + u 21 X 2 + . . . + u p p X P f(x)=\left\{ \begin{aligned} Y_1 & = & u_{11}X_1 + u_{21}X_2 + ...+u_{p1}X_P \\ Y_2& = & u_{12}X_1 + u_{22}X_2 + ...+u_{p2}X_P \\ &&......\\ Y_p & = & u_{11}X_1 + u_{21}X_2 + ...+u_{pp}X_P \end{aligned} \right. f(x)=⎩
⎨
⎧Y1Y2Yp===u11X1+u21X2+...+u
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
