|
matlab中主成分分析的函数: 2 {, h$ f8 y5 z0 @3 L
1.princomp
& L. U( Y( U" S A: ]5 I7 O 功能:主成分分析
# Z7 t* U+ s3 v5 d- w: R 格式:PC=princomp(X) y/ D$ p" y0 g! `
[PC,SCORE,latent,tsquare]=princomp(X)
2 Y2 d& w5 P4 }" w( m9 ] 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)。
. K# p' j) D5 E2.pcacov
& ^5 Y/ U1 j2 f& o0 s3 h ? 功能:运用协方差矩阵进行主成分分析) ^4 d( e: _) s6 Y4 i- S7 |" H
格式:PC=pcacov(X)
. s# f; L9 Y; W [PC,latent,explained]=pcacov(X)# C, ~1 ^3 L) g& h) \
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)。
0 m1 B+ h6 N: i/ x3.pcares% s C" n }' |2 u8 O% q+ X
功能:主成分分析的残差' p4 x) Y% @# [4 Q
格式:residuals=pcares(X,ndim)8 ?- P" g1 Z$ i+ 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。
) f$ Q: z) U) H, |6 Q4.barttest
! \& @. A" v+ W$ u+ O4 f2 O 功能:主成分的巴特力特检验5 z# f6 j) B6 b
格式:ndim=barttest(X,alpha)
' y8 v* ], I& j; R [ndim,prob,chisquare]=barttest(X,alpha)
! ~5 S: e' X7 F, `) L" l2 `) E; B- ^ 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。 |