|
matlab中主成分分析的函数:
( Z, j" q9 @; i: b3 t& R1.princomp0 d4 F* s$ f& D9 R
功能:主成分分析* t# ]' C# N T) F+ w- ?# e
格式:PC=princomp(X)
) {! N) X7 I2 w8 _, T3 Q' }& s% W' ` [PC,SCORE,latent,tsquare]=princomp(X)
. K% B3 u( e9 H- [- ^+ V 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)。
# a+ u1 j5 @- i2.pcacov
- N! b6 X9 \1 K$ y 功能:运用协方差矩阵进行主成分分析
. O" @9 ~. y6 l% C9 F0 R1 F; Z 格式:PC=pcacov(X)
# f6 O) ^+ `- ~5 R9 F! y7 y [PC,latent,explained]=pcacov(X)
6 ` {% i+ 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)。
" L1 P: S; t' C3.pcares
- x8 Q5 }8 m ? 功能:主成分分析的残差6 {8 u+ t' _+ r/ ~7 ~) C
格式:residuals=pcares(X,ndim)
5 C9 j- f, E8 l. H" ?3 d& V 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。 * C& i4 l$ e% G! p p
4.barttest
( _% k7 _5 H" L# ] b% D 功能:主成分的巴特力特检验
9 y- s- {. X6 _* Y6 g' _ 格式:ndim=barttest(X,alpha)
& N0 Q4 y Y7 \3 d3 K7 F [ndim,prob,chisquare]=barttest(X,alpha): G) N! O* g* p1 Q5 l
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。 |