|
matlab中主成分分析的函数:
# Y% Y8 [& v1 C, U; j! @1.princomp
f) b1 ]$ i' l+ V2 l- Z 功能:主成分分析( J) Q& ?0 A) F; N: J- s/ P
格式:PC=princomp(X)
& r. X# k' x o [PC,SCORE,latent,tsquare]=princomp(X)
0 s4 L( d8 ~7 Q9 ]* 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)。 3 J% m! r& o& C" c
2.pcacov: _7 ?/ M: H" P0 U. T
功能:运用协方差矩阵进行主成分分析
) Q5 e- ^9 d* X 格式:PC=pcacov(X)9 L) N# f6 W* b# [" e
[PC,latent,explained]=pcacov(X)
$ k4 L& o- I7 }3 Y T/ e# Q6 m 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)。
; y3 P+ E1 h6 s. H( M) O9 b" \3.pcares1 m+ l, H! y1 {5 \' H
功能:主成分分析的残差% D8 t/ b8 }5 N; f0 u
格式:residuals=pcares(X,ndim). r3 f, H; w( i2 W7 q
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。 " `; W3 |9 t9 q! z
4.barttest9 W" Z* [% [+ H8 X+ @: I6 f; z
功能:主成分的巴特力特检验
" T: c/ E; S$ D& V+ H 格式:ndim=barttest(X,alpha). g9 S+ b! g( r2 y3 d: {* i
[ndim,prob,chisquare]=barttest(X,alpha)
' X) G3 }; O C7 v9 d v 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。 |