matlab中主成分分析的函数: 3 z. d+ i" ]; h2 l; q
1.princomp
2 j9 b; e* `6 K* ] 功能:主成分分析3 ^9 t- c! ^$ H, p) R8 ?
格式:PC=princomp(X)" R6 a/ P3 f3 E- y* @
[PC,SCORE,latent,tsquare]=princomp(X)
. G, [' O- D/ w; K/ l6 p, R7 o 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)。
+ V7 C0 [" Q$ ?6 }2.pcacov
2 e, q! v2 z5 k6 f6 } 功能:运用协方差矩阵进行主成分分析 z/ C( ^/ K6 k9 Y3 h$ t$ b: r
格式:PC=pcacov(X)/ r, N7 W6 }. o, v+ w
[PC,latent,explained]=pcacov(X)
" {/ r' l+ M2 l3 s2 T% }) p+ u- R7 x 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)。
/ j& {5 i& C( }6 a3 L3.pcares+ C( t! p# \, V$ f2 _
功能:主成分分析的残差4 Y3 ?1 E. U8 C+ G2 m
格式:residuals=pcares(X,ndim)4 ?) X: \$ ?& A" 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。 . }5 }' E% u2 y9 T w) H: W( Y8 m9 y
4.barttest
5 k0 z- a8 r; g$ A; d+ P$ A 功能:主成分的巴特力特检验
5 P( w/ s$ f; I. O4 |6 D; z" ]8 C 格式:ndim=barttest(X,alpha)
) _. J1 `, K) o [ndim,prob,chisquare]=barttest(X,alpha)) `: K3 A% F! d( i$ {0 e
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。 |