|
matlab中主成分分析的函数:
9 ?0 ?6 D& A5 T% S1.princomp w. `- V3 x1 }& f7 e
功能:主成分分析
* y/ }; ^/ i! h9 J; w( S U 格式:PC=princomp(X). ]( k( G c$ t6 `1 Z& a5 G! H2 h0 A
[PC,SCORE,latent,tsquare]=princomp(X)" U: \5 m/ x+ q$ e2 O* 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 a% F7 c( D2 ^+ p2.pcacov
& w, ]+ V2 j9 J0 s, } 功能:运用协方差矩阵进行主成分分析
# v! | R2 w6 F) W8 J7 o 格式:PC=pcacov(X)
2 P' B8 m6 g) y( z [PC,latent,explained]=pcacov(X)+ v( i/ B0 g" V* n7 p O. `
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)。 0 `8 m; [- [2 Q
3.pcares' G5 ?9 g; R N J9 X
功能:主成分分析的残差) [7 d6 \* N& D5 X8 o6 S
格式:residuals=pcares(X,ndim)) ]0 _9 S, x: n4 [( \+ ]
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。
, i0 K+ m0 `5 A0 E- L, S6 V4.barttest
) Y6 ~" I: L, n7 u 功能:主成分的巴特力特检验. c0 p* d% V* r4 T+ D
格式:ndim=barttest(X,alpha)
" i0 J% N+ K& w1 N# s8 d% r& o- U% R [ndim,prob,chisquare]=barttest(X,alpha) h4 B) @& I9 u: ]
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。 |