|
matlab中主成分分析的函数: 5 u6 ~8 \( J/ S2 t* y! h5 D: H$ W3 Q
1.princomp
) `/ T0 J2 `! T) ]1 d& h5 ?( n* Q4 o 功能:主成分分析
4 D4 _! d) z+ `% R; n; F8 r 格式:PC=princomp(X)
8 H- i0 d4 {, c# ^ [PC,SCORE,latent,tsquare]=princomp(X)
7 g5 p/ C: `4 c& w1 e: ~ 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)。
* `8 {" x: P0 c+ }; z# d2.pcacov9 b6 s# l# c* y4 V8 o! y0 r
功能:运用协方差矩阵进行主成分分析0 \" F; y7 B+ |" T/ z
格式:PC=pcacov(X)
* T$ ~2 f. b& E' J' j [PC,latent,explained]=pcacov(X)
1 T7 h3 \8 G5 \& d2 g 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)。 ?" I2 P& S1 p6 U
3.pcares
. n H% _" K- `' p4 u' ~0 ^ 功能:主成分分析的残差
0 o# i3 c/ \- r0 ? 格式:residuals=pcares(X,ndim)
. G* [: N: X4 O& V! h% F 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。
2 S- l1 r1 Q& z6 Q1 }" g- l4.barttest- m0 o; N0 j u5 h1 H
功能:主成分的巴特力特检验) b5 K7 ^9 K6 i8 c" n
格式:ndim=barttest(X,alpha)
/ }" F& l0 d1 X+ n7 L3 S$ ~5 m [ndim,prob,chisquare]=barttest(X,alpha)# {& U) ?+ V/ r* u* L* G
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。 |