|
matlab中主成分分析的函数: . D8 q, N! C! i& m' z: s8 m
1.princomp; @: H. S8 d S
功能:主成分分析( ?% d0 t- m( S
格式:PC=princomp(X)" J& ]8 |' x1 T: q$ |7 |" r
[PC,SCORE,latent,tsquare]=princomp(X), F: T2 G7 C. @+ F
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)。
/ G5 w1 J. K6 ~' {# L2.pcacov
* i4 F6 o1 @1 t& N 功能:运用协方差矩阵进行主成分分析
3 ~5 d+ m/ ~$ M! v, E5 K 格式:PC=pcacov(X)
; ^( I/ u* o- d: f) c+ @4 A/ K3 I [PC,latent,explained]=pcacov(X)
' H K8 C( R& \* E, F: s+ I 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)。 # ]" w4 B# k# v
3.pcares
9 e, [9 v) C+ z: _ 功能:主成分分析的残差
2 i. e5 [# U3 @; s! Y* X* K, m4 |9 ] 格式:residuals=pcares(X,ndim)
, |$ s! n6 i" D6 z" { 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。
5 j/ `" { d) W5 O& k4 X) \: D4.barttest
. f1 [6 r6 F; @3 c6 c1 { 功能:主成分的巴特力特检验
6 x. ^& k0 ^6 u$ G 格式:ndim=barttest(X,alpha)
. P. Z$ w$ q9 t1 e, x; i$ M9 n [ndim,prob,chisquare]=barttest(X,alpha)8 @0 [0 }6 t; n) @4 H* P* I! T. {8 f! 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。 |