PCA主成分分析说明应用举例.pptVIP

下载本文档

9
0
约7.17千字
约 30页
2018-05-02 发布于天津
举报
版权申诉

PCA主成分分析说明应用举例.ppt

1、本文档共30页，可阅读全部内容。
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、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、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、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
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、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、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

PCA主成分分析说明应用举例.ppt

PCA主成分分析应用举例;例1;a=c(177,179 , 95 , 96 , 53 , 32 , -7 ,-4 , -3 ,179,419 , 245 , 131 , 181 , 127 , -2 , 1 , 4 , 95 ,245 , 302 , 60 , 109 , 142 , 4 , 4 , 11 ,96 ,131 , 60 , 153 , 102 , 42 , 4 , 3 , 2 , 53 ,181 , 109 , 102 , 137 , 96 , 4 , 5 , 6 , 32 ,127 , 142 , 42 , 96 , 128 , 2 , 2 , 8 , -7 , -2 , 4 , 4 , 4 , 2 , 34 ,31 , 33 , -4 , 1 , 4 , 3 , 5 , 2 , 31 ,39 , 39 ,-3 , 4 , 11 , 2 , 6 , 8 , 33 ,39 , 48);求方差阵S的特征值和特征向量;样本前3个主成分的系数是：;例2 学生身体各指标的主成分分析.随机抽取30名某年级中学生,测量其身高(X1)、体重(X2)、胸围(X3)和坐高(X4)。试对中学生身体指标数据做主成分分析.;#### 用数据框形式输入数据 student-data.frame( X1=c(148, 139, 160, 149, 159, 142, 153, 150, 151, 139, 140, 161, 158, 140, 137, 152, 149, 145, 160, 156, 151, 147, 157, 147, 157, 151, 144, 141, 139, 148), X2=c(41, 34, 49, 36, 45, 31, 43, 43, 42, 31, 29, 47, 49, 33, 31, 35, 47, 35, 47, 44, 42, 38, 39, 30, 48, 36, 36, 30, 32, 38), X3=c(72, 71, 77, 67, 80, 66, 76, 77, 77, 68, 64, 78, 78, 67, 66, 73, 82, 70, 74, 78, 73, 73, 68, 65, 80, 74, 68, 67, 68, 70), X4=c(78, 76, 86, 79, 86, 76, 83, 79, 80, 74, 74, 84, 83, 77, 73, 79, 79, 77, 87, 85, 82, 78, 80, 75, 88, 80, 76, 76, 73, 78)) ; cor(student) X1 X2 X3 X4 X1 1.0000000 0.8631621 0.7321119 0.9204624 X2 0.8631621 1.0000000 0.8965058 0.8827313 X3 0.7321119 0.8965058 1.0000000 0.7828827 X4 0.9204624 0.8827313 0.7828827 1.0000000 eigen(cor(student)) $values [1] 3000$vectors [,1] [,2] [,3] [,4] [1,] -0.4969661 0.5432128 -0.4496271 0.5057471 [2,] -0.5145705 -0.2102455 -0.4623300 -0.6908436 [3,] -0.4809007 -0.7246214 0.1751765 0.4614884 [4,] -0.5069285 0.3682941 0.7439083 -0.2323433 ; #### 作主成分分析 student.pr-princomp(student, cor=TRUE) #### 并显示分析结果 summary(student.pr, loadings=TRUE) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Standard deviation 1.8817805 000Proportion of Variance 0.8852745 00.0198