主成分与因子分析异同_浅谈主成分分析与因子分析

主成分分析与因子分析有相似之处，也有明显区别，以下是对主成分分析和因子分析进行的一个简单比较。主成分分析基本思想

主成分几何意义及求解

主成分分析优缺点

分析步骤

因子分析基本思想

与主成分分析的区别和联系

分析步骤

【1】主成分分析——基本思想

主成分分析(Principal Component Analysis，PCA)通过将原始变量转换为原始变量的线性组合(主成分)，在保留主要信息的基础上，达到简化和降维的目的。

主成分与原始变量之间的关系：主成分是原始变量的线性组合

主成分的数量相对于原始数量更少

主成分保留了原始变量的大部分信息

主成分之间相互独立

【2】主成分分析——几何意义及求解

通过旋转变换，将分布在x1，x2坐标轴上的原始数据，转换到F1,F2坐标轴表示的坐标系上，使得数据在F1轴上离散程度最大，此时，可以忽略F2轴，仅通过F1轴就可以表示数据的大部分信息，从而达到降维的目的。

不同的线性变换，得到的Fi统计特性不同，为得到较好的效果，我们希望主成分之间相互独立，同时方差尽可能得大，即

求解以上公式，得

因此，我们只需要对协方差矩阵∑求特征值λ及特征向量ui，即可构成主成分分析的解。

由此可知，主成分分析是把p个随机变量的方差分解为p