|
matlab中主成分分析的函数: / J* V& Y% Y+ @0 f
1.princomp! q1 a9 ~8 ?: N* \6 i: b
功能:主成分分析
0 {2 j$ u1 J; r5 Y2 B0 n( l 格式:PC=princomp(X)# g4 e' C! h4 n4 z% ]8 [+ n; f
[PC,SCORE,latent,tsquare]=princomp(X)+ \/ m- i& ^$ @
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)。 0 m) Y6 G$ j" i, t0 W
2.pcacov& m! [( |! N9 L' ?, U( a5 i% C
功能:运用协方差矩阵进行主成分分析
( p9 ~4 ], |+ S6 e 格式:PC=pcacov(X)
; P$ w. _5 y0 p+ F [PC,latent,explained]=pcacov(X)
8 |7 V4 N1 }" T( o& o2 Z/ j$ r 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)。
: e. d( H" h5 n: t, L0 k3.pcares
9 g8 `3 l6 m& e" B3 X( e1 [ 功能:主成分分析的残差
$ s8 g7 d2 M. u 格式:residuals=pcares(X,ndim)) K" _6 M. w2 ] x
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 s$ U1 N# L- }1 u4 P& Q, O: J/ X
4.barttest) |( _; i, Y- o2 f j! U
功能:主成分的巴特力特检验; H2 u. X" f+ x3 O$ ?, a5 Z" `
格式:ndim=barttest(X,alpha)
n7 H4 ~- d( _/ f [ndim,prob,chisquare]=barttest(X,alpha)
; ?2 q( e: S3 V! x5 Z X3 W 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。 |