您的位置: 首页  >  文章  >  主成分分析（PCA）

主成分分析（PCA）

分类: 文章 • 2022-10-12 00:13:46

数据降维的作用
降维是将高维度的数据（指标太多）保留下最重要的一些
特征，去除噪声和不重要的特征，从而实现提升数据处理速度
的目的。
在实际的生产和应用中，降维在一定的信息损失范围内，
可以为我们节省大量的时间和成本。降维也成为应用非常广泛
的数据预处理方法。
主成分分析便是一种降维算法

主成分分析的思想

主成分分析（PCA）主成分分析（PCA）

计算步骤

主成分分析（PCA）1、首先我们将其变准化处理
主成分分析（PCA）2、计算标准样本的协方差矩阵
主成分分析（PCA）3、计算R的特征值和特征向量
主成分分析（PCA）
4、计算主成分及累计贡献率
主成分分析（PCA）5、写出主成分
主成分分析（PCA）
6、根据系数分析主成分代表的意义
对于某个主成分而言，指标前面的系数越大，代表该指标对于该主成分的影响越大

7、利用主成分的结果进行后续分析
可用于聚类分析（方便画图）、回归分析等。千万不能用于评价类模型！！！

参考资料：清风《数学建模学习交流》

相关推荐