主成分分析的作用
1个回答
展开全部
主成分分析,是考察多个变量间相关性一种多元统计方法,研究如何通过少数几个主成分来揭示多个变量间的内部结构,即从原始变量中导出少数几个主成分,使它们尽可能多地保留原始变量的信息,且彼此间互不相关.通常数学上的处理就是将原来P个指标作 线性组合 ,作为新的综合指标。. 最经典的做法就是用F1(选取的第一个线性组合,即第一个综合指标)的 方差 来表达,即Var (F1)越大,表示F1包含的信息越多。. 因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分。.
主成分分析(Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。
在实际课题中,为了全面分析问题,往往提出很多与此有关的变量(或因素),因为每个变量都在不同程度上反映这个课题的某些信息。
主成分分析首先是由K.皮尔森(Karl Pearson)对非随机变量引入的,尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
科哲生化
2024-08-26 广告
2024-08-26 广告
分子筛效益,两种全排阻的分子即使大小不同,也不能有分离成效。直径比凝胶很小孔直径小的分子能进入凝胶的全部孔隙。如果两种分子都能全部进入凝胶孔隙,即使它们的大小有差别,也不会有好的分离成效。因此,一定的分子筛有它一定的使用范围。综上所述,在凝...
点击进入详情页
本回答由科哲生化提供
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询