|
matlab中主成分分析的函数:
. c* I5 w( M% i+ _1.princomp$ }/ H- ?' p7 U* |" E* |
功能:主成分分析
* f4 ], |2 _0 ~ 格式:PC=princomp(X)
3 O( }4 U/ g+ b; d" B" f) L [PC,SCORE,latent,tsquare]=princomp(X)
/ V# i- V$ e) F# v$ ?8 f 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)。
4 Q, j& w7 I; Y- P5 o9 p2.pcacov' A3 {9 C1 S. j9 {( C( b7 P
功能:运用协方差矩阵进行主成分分析. x( \5 B" s8 d
格式:PC=pcacov(X)+ P) d5 ^! T2 M6 }/ t% g2 d$ b" F
[PC,latent,explained]=pcacov(X)
' J. y( F) |; j, X' v 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)。
* o' l- b! n5 O8 b$ K" j3.pcares
6 s6 r4 ?" C _4 j* E 功能:主成分分析的残差
- x: l/ W: o: {+ r$ Y 格式:residuals=pcares(X,ndim)
4 f( r/ L: [: M 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。 _# k6 i5 [2 h$ v
4.barttest
+ m# U: x& R, D: Y8 Q 功能:主成分的巴特力特检验( m7 ~) h1 ^: o. A- N8 j% E8 @3 g
格式:ndim=barttest(X,alpha)
) s4 [2 @1 |9 n9 a [ndim,prob,chisquare]=barttest(X,alpha)
+ x7 E- o2 M3 k2 q2 d/ v$ t 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。 |