|
matlab中主成分分析的函数: / c4 K4 i0 Y/ a4 q
1.princomp) p: ?) u0 q, T$ o
功能:主成分分析
5 V8 P# w4 \- Q( C7 E$ r 格式:PC=princomp(X)
# Y% `2 ^ L1 E. o, Q- [ [PC,SCORE,latent,tsquare]=princomp(X)1 A7 h; ?6 W( v v* A
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)。
& r# h" {, a5 o1 U2.pcacov
+ J" a8 E3 ~" Z* R7 K/ I 功能:运用协方差矩阵进行主成分分析
2 u- w8 O- C1 i. p% n7 Y 格式:PC=pcacov(X)
! |( W `3 @2 N3 X [PC,latent,explained]=pcacov(X)+ {( X: G$ \/ v# N* Z8 j
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)。
% w) r% M: j5 V& Q3 J: z0 Y6 _3.pcares# D2 x6 |" q2 I7 ]3 b9 o4 ]* S
功能:主成分分析的残差
2 p1 |* B3 |/ P4 ]; ` 格式:residuals=pcares(X,ndim)- E: R2 M: c# _5 o& Y# p
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。
& O8 y# j1 j) G3 A( [% t" @+ x. t) R4.barttest
* ~2 Q3 P. U$ S% h& e- p u" T2 A/ h, w 功能:主成分的巴特力特检验. u0 M! i2 J& N9 Q
格式:ndim=barttest(X,alpha)) G& _! ^- ~" f$ l7 \4 x
[ndim,prob,chisquare]=barttest(X,alpha)% H9 v% w0 C i( f
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。 |