|
matlab中主成分分析的函数:
& S2 c7 y8 w3 ]9 I; u7 |1 h1.princomp
S ?$ t& y) i4 Q: K7 p8 P) R 功能:主成分分析
5 n4 i6 g e( `! \. ]" ^2 ] 格式:PC=princomp(X)
* |0 G% j3 p, |" \- a0 } [PC,SCORE,latent,tsquare]=princomp(X)5 P9 k7 Z+ l1 ^
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)。 - Y! i0 `( S$ T5 `- v5 R; N b
2.pcacov# Y) b0 l- ?0 O
功能:运用协方差矩阵进行主成分分析# G7 w" W! `$ }# G4 }- k: d
格式:PC=pcacov(X)
_0 {8 R& H) K% G [PC,latent,explained]=pcacov(X)
2 J* I' p! y7 K) `9 m" D Z& Z 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)。
. d) U6 B' z- M/ K3.pcares5 v0 e; @! ]3 Z$ p# J
功能:主成分分析的残差. z- n! C0 D% c/ Z: h
格式:residuals=pcares(X,ndim)
% E5 O: L3 n8 J7 Z4 V Q0 s2 _ 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。
/ U8 G$ D5 R) ?$ e$ L4 r* N6 ^. V4.barttest4 @* G5 _ a) e: k
功能:主成分的巴特力特检验& q9 q, q& r2 U. v
格式:ndim=barttest(X,alpha)
, r- \( d+ \" ~2 c% k [ndim,prob,chisquare]=barttest(X,alpha)7 ?( g( J; B% C+ F) t# _/ q; M
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。 |