PCA|factor extraction|CA
2024-10-08 19:07:22
PCA：主成分分析
相关矩阵，找特征值，找每个特征值对应特征向量，即组成主组成式子：
每个式子指向一个结果y，找一条线将这些y分开。有11个变量就有11个新坐标轴，通过点到直线距离来区分。
信息必须集中在前几个主成分上。比如PC1表示3个变异。
主成分分析的前提是原始数据不能不同x指向同一个y。
主成分分析不能用来代表某一组因素的共同作用。
PCA是一类因子分析，在特征值提取时可以选择不同算法。
取第一列和第二列主成分，可以得到二维图：
通过改变坐标轴可将差异表达的更清楚。
PCA和cluster区别是Cluster目标是将y分类，PCA将特征值分类。
对应分析：卡方分析反映出期望与观测值的差异，即是信息点，行列之间的不规律性。对卡方矩阵做主成分分析，原矩阵和转置后的矩阵都做一遍。所以
PCA与CA的比较：
CA要求原始数据可以不单调，不要求正态。
PCA要求原始数据可以不单调，最后的主成分转化为一个个欧式距离，要求正态。
最新文章
- JAVA程序中SQL语句无法传递中文参数
- HV和VM 内存性能测试对比结果
- AE唯一值符号化的流程以及过程
- phpexcel的写操作将数据库中的数据导入到excel中
- Qt 程序退出时断言错误——_BLOCK_TYPE_IS_VALID(pHead->nBlockUse),由setAttribute(Qt::WA_DeleteOnClose)引起
- [Java] File文件列表
- Android开源项目发现--- 工具类网络相关篇（持续更新）
- C++中cin输入类型不匹配解决方法
- Git客户端使用
- js地址下拉列表中全职工作
- MemoryStream和FileStream
- QT第四天学习
- word中利用宏替换标点标点全角与半角
- C#实现的Redis扩展项目（二次封装）
- mysql测试
- samba服务器配置过程
- es6开发环境搭建，babel 将es6转化成es5
- 【转】实习小记－python中可哈希对象是个啥？what is hashable object in python?
- StackGAN 阅读笔记
- 请简单介绍一下什么是Spring?