|
matlab中主成分分析的函数:
0 C3 M: P9 A/ k1.princomp
/ ~4 A" o, ?3 Y6 m [0 ~ 功能:主成分分析' D- V& I4 k* t( i( s* d! P
格式:PC=princomp(X)) Y1 @6 F; s1 L7 z9 E: \
[PC,SCORE,latent,tsquare]=princomp(X)
5 z1 X$ \4 s0 W4 N( U+ y" @ 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)。
* }! O+ @" ~5 m# B2.pcacov$ Q" m( r9 D, m$ o# S# P) s
功能:运用协方差矩阵进行主成分分析( U7 P+ q" f& N
格式:PC=pcacov(X)# m. Y, m z% x3 L0 g. x' K. z
[PC,latent,explained]=pcacov(X)
1 V, h/ O k' T& e$ w 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)。 ) k9 _4 c8 ~. f
3.pcares! o8 O! U( I; }( q5 v- w
功能:主成分分析的残差
. @ p: z" y' F' {1 v8 ? 格式:residuals=pcares(X,ndim)
% b! _7 w6 o/ n6 J' K 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。
( ~0 X1 V" u, Y8 W* v4.barttest8 e9 V7 l, M& A4 J1 i |1 C
功能:主成分的巴特力特检验) C1 X( y8 U4 B( D/ O! \
格式:ndim=barttest(X,alpha)# Y, Y q& |( {& I8 Q( \; C7 w
[ndim,prob,chisquare]=barttest(X,alpha): {- W6 p* Q% G) S' I
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。 |