Daaang

V1

2022/11/28阅读:39主题:默认主题

S-PCA 主成分分析

S-PCA 主成分分析

概述:PCA就是运用较少的变量去解释原始数据中的大部分变异,常用于多指标(变量)的综合评价。通过对原始数据相关矩阵内部结构关系的分析和计算,产生一系列互不相关的新变量。根据需要从中选取比原始变量个数少的几个新变量,这些新的变量就是所谓的主成分,它们能够充分解释原始数据的变化。因此,主成分分析法本质上是一种降维方法,也多被用于高维数据的降维处理。 概述参考:

1. https://www.bilibili.com/video/BV1E5411E71z

2. https://blog.csdn.net/qq_36108664/article/details/104972122

公式: 具体公式见参考数目 公式参考

[1] 数学建模算法与应用-第2版-司守奎-第387页到390页

应用步骤如下:

  1. 对原始数据进行标准化处理
  2. 计算相关系数矩阵R
  3. 计算特征值和特征向量
  4. 选择主成分个数,计算综合评价值

应用参考:数学建模算法与应用-第2版-司守奎-第387页到390页

分类:

数学

标签:

数学建模

作者介绍

Daaang
V1