|
matlab中主成分分析的函数: ) y. S$ v6 {$ T$ d' F6 q
1.princomp( H* S9 z6 H$ ]: x
功能:主成分分析 X9 h. T( h" S- h
格式:PC=princomp(X)! y/ {7 k8 J8 B
[PC,SCORE,latent,tsquare]=princomp(X)
) V, k |9 K6 L# u: ]. P; m 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)。 # F" }2 q" T$ s6 h& ?$ e; c
2.pcacov
0 C# y# P( [7 T5 J 功能:运用协方差矩阵进行主成分分析
& }0 s( M; |' A% Q 格式:PC=pcacov(X)
0 i4 X: p- e- E' X' A [PC,latent,explained]=pcacov(X)4 A6 w/ V# N. q' E+ N
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)。
6 o% ]. t3 i2 }0 W; L K& w3.pcares
! f- _/ \& ?8 J. R9 K+ g( j 功能:主成分分析的残差6 s" g' g4 Q5 h7 e; r
格式:residuals=pcares(X,ndim)0 h! N- ^- W* v( m' _
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。 - j! _9 R) } m
4.barttest
! x' N' Q$ a+ G* u t. M4 F 功能:主成分的巴特力特检验8 T9 Q+ i* ~ z# r) D7 C5 X
格式:ndim=barttest(X,alpha)% N4 T; T1 E# L& c' R& V
[ndim,prob,chisquare]=barttest(X,alpha) D* h5 }. H# N$ Z. W7 ~$ }3 A* 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。 |