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