|
matlab中主成分分析的函数: / G" n; \" @9 } T
1.princomp
; W8 I& w U! ~9 ? 功能:主成分分析8 n4 X8 j9 ?$ j7 u m' U+ l' J3 G
格式:PC=princomp(X)$ B5 S$ d9 }' A I
[PC,SCORE,latent,tsquare]=princomp(X)
- P) N2 \3 X' j! E' T' e5 a h 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)。
* r* r- _! N0 g! Y$ M5 T3 a2.pcacov
9 W% A1 Z' E: Q0 n; q5 d/ R7 }# o 功能:运用协方差矩阵进行主成分分析" `1 O- I; n: @7 U, o7 h# e6 I ]
格式:PC=pcacov(X)4 F6 P( N) [9 K
[PC,latent,explained]=pcacov(X)
, g6 s. [/ Y7 ] } 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)。 3 a9 U4 o2 I. v0 ?1 l4 w
3.pcares
- v2 g! w$ D/ y9 t 功能:主成分分析的残差( O1 J/ D& j J+ D( Q: P
格式:residuals=pcares(X,ndim)$ j+ \2 E# M; c/ a4 T W3 K0 c
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。
1 _$ G& k, m+ h4.barttest* C, f0 W0 @* C; F- a- \
功能:主成分的巴特力特检验
& B7 }; r5 u: ?" r 格式:ndim=barttest(X,alpha)2 u$ F$ @/ z+ f, K$ ~1 M
[ndim,prob,chisquare]=barttest(X,alpha); J9 W9 P0 \0 }6 X/ K8 H s+ N3 i: q6 ~
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。 |