|
matlab中主成分分析的函数:
$ D( ~+ y# Q O. B' o O1.princomp, @; B' ]4 d* p& }! {
功能:主成分分析
- t% |( a0 t1 O 格式:PC=princomp(X)
: m3 K) A$ r- l# g [PC,SCORE,latent,tsquare]=princomp(X); j; C7 `" a2 D$ O4 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)。
/ v0 T$ Z. U8 U! [2.pcacov
/ o* y# v C( L 功能:运用协方差矩阵进行主成分分析1 B2 _% A+ \* @( z" q; v' r7 w
格式:PC=pcacov(X)
7 k' c4 c+ l) a1 e6 I' |- j [PC,latent,explained]=pcacov(X)
7 c4 x; S9 C- X# R! | r 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)。
- y" X9 h5 f ~* `- K" v" b3.pcares- ~3 s; s& d: g& _2 [
功能:主成分分析的残差
R4 u% d5 ~' y- C# v" e 格式:residuals=pcares(X,ndim)" K) X1 I$ T3 L- x9 J
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。 8 A7 z/ e k4 O& Q2 | Y' u( {
4.barttest
3 V4 L0 T2 I+ e2 W' z; k3 N! L# Q) H' x 功能:主成分的巴特力特检验( l# a: v6 ? l
格式:ndim=barttest(X,alpha)
) ?& ?" p" v# N [$ p [ndim,prob,chisquare]=barttest(X,alpha)# W9 F8 }9 C% m% g( u' C
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。 |