|
matlab中主成分分析的函数: ) o% q J5 H& |) g/ y" X6 }
1.princomp
+ t2 V) C* L; n0 K7 Y+ e% U 功能:主成分分析
: {5 E- H" p- Y8 f, W J0 L: C7 Q 格式:PC=princomp(X)9 W# H: x: I+ B. J" x( A
[PC,SCORE,latent,tsquare]=princomp(X)
4 g" A3 t y7 C( a9 {& I 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) w1 D1 J7 w, r* ^1 O: n* }
2.pcacov
6 B2 E! T m) O! W. g: U6 u 功能:运用协方差矩阵进行主成分分析( W; ~- }- H: H. O3 t* G
格式:PC=pcacov(X)2 N& ~8 m3 ~9 c, [4 v, T7 J) K X
[PC,latent,explained]=pcacov(X) {; l# s; n' E( J8 z0 y8 S: ^ ]- R
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)。 4 T# a* q1 k7 N: }% w$ ?0 F5 O7 y
3.pcares+ i3 y) t( t0 n* L- P
功能:主成分分析的残差# S6 c2 S: t. ~, S9 ^- o! I
格式:residuals=pcares(X,ndim)6 S0 h* G. X% { F, N: q
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。
4 u$ U1 Z4 O7 |+ p+ w* l4.barttest' i" k' g+ S3 V5 |+ i4 S
功能:主成分的巴特力特检验
3 q B4 F/ D$ U# {- W: H 格式:ndim=barttest(X,alpha)
* R U* W" W3 E2 H _. L6 f [ndim,prob,chisquare]=barttest(X,alpha)) q9 y; V" X8 I2 G" k! A3 ?- S
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。 |