MATLAB主成分数据处理 .pdfVIP

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

matlab夏令营数据处理)

主成分分析(principalcomponentAnalysis)又称主分量分析,是由皮尔逊

(pearson)于1901年首先引入,后来由霍特林(hotelling)于1933年进行了发展。主成

分分析是一种通过降维技术把多个变量化为少数几个主成分

(即综合变量)的多元统计方法,这些主成分能够反映原始变量的大部分信息,通常表示为原始变量的线性组

合,为使得这些主成分所包含的信息互不重叠,要求各主成分之间互不相关。主成分分析在很多领域有着广泛的

应用,一般来说,当研究的问题涉及很多变量,并且变量间相关性明显,即包含的信息有所重叠时,可以考虑用

主成分分析的方法,这样容易抓住事物的主要矛盾,使得问题得到简化。

本章主要内容包括:主成分分析的理论简介,主成分分析的MATLAB实现,主成分分析的主要具体

案例。

11.1主成分分析简介

11.1.1主成分分析的几何意义

X(x,x)11-1所

假设从二元总体二12中抽取容量为n的样本,绘岀样本观测值的散点图,如图

xx

示。从图上可以看岀,散点大致分布在一个椭圆内1与2呈现岀明显的线性相关。这n个样品

xxxx

在1轴方向和2方向具有相似的离散度,离散度可以用1和2包含了近视相等的信息量,

丢掉其中任意一个变量,都会损失比较多的信息。图11-1中坐标按逆时针旋转一个角度71,使

xyxy

得1轴旋转到椭圆的长轴方向1,2轴旋转到椭圆的短轴2,则有

y〔=咅cos^+xsin^

12

-A+A(11.1)

ysinxcos

=-x寸寸

212

yyy

此时可以看到,n个点在新坐标系下的坐标1和2几乎不相关,并且%的方差要比2的方

差大得多,也就是说y1包含了原始数据中大部分的信息,此时丢掉变量y2,信息的损失是比较

yy

小的。这里称1为第一主成分2为第二主成分。

主成分分析的过程其实就是坐标系旋转的过程,新坐标系的各个坐标系的轴的方向是原始数据变差最大的

方向,各主成分表达式就是新旧坐标转换关系式。

11.1.2总体的主成分

1从总体协方差矩阵岀发求解主成分

=(,I

xX,X,…X)x

设p为一个p维总体,假定期望和协方差矩阵均存在并已知,记

E(x)var(x)=

二、1,二,考虑如下线性变换

y=axax…ax=a;x

〔1111221pp

廿a?/+8XaXa;x

222+…+?pm二

I-

.y=3aX+

文档评论(0)

157****8026 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档