matlab中主成分分析的函数:
7 J5 s6 V. H8 F4 P- y) w6 ~1.princomp
/ }; D( k, f3 k, x# j% \* O 功能:主成分分析/ x$ X6 x. B0 k: O
格式:PC=princomp(X)
8 M3 A! {' s3 g' D8 j, } [PC,SCORE,latent,tsquare]=princomp(X)' e, `9 W& ^; o! O7 s
说明:[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分 (SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。 ' l# T. Q" x1 x
2.pcacov/ t1 i' [$ O$ S8 ?4 ?1 _! u
功能:运用协方差矩阵进行主成分分析! E3 |: _# v) x
格式:PC=pcacov(X)8 n Q" d7 r( L, a0 |5 e5 J
[PC,latent,explained]=pcacov(X): u1 A, m% O8 c# `9 ~
说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。 $ t( B) [4 ]& O8 i8 b
3.pcares! E# T- a- N2 d, U
功能:主成分分析的残差7 ^7 n9 b1 ?' |9 \$ r8 z
格式:residuals=pcares(X,ndim)
& e& q" k3 n) Q4 J9 ~- W 说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。
- a* R) L J) u; C' I% X4.barttest5 J5 g) E! ]# X& e6 a1 L
功能:主成分的巴特力特检验& C, v% G/ L, n6 g
格式:ndim=barttest(X,alpha), [9 x K1 G2 E0 F
[ndim,prob,chisquare]=barttest(X,alpha)8 Y% Q' e& x) X7 F" a- V7 X; X
说明:巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下,给出满足数据矩阵X的非随机变量的n维模型,ndim即模型维数,它由一系列假设检验所确定,ndim=1表明数据X对应于每个主成分的方差是相同的;ndim=2表明数据X对应于第二成分及其余成分的方差是相同的。 |