不看会后悔系列——主成分分析法的建模应用（下）

2336426014

      这期主要讲例题来加深一下对主成分分析的认识。
例题一：   成绩的综合判定
        为了对学生的教育实习成绩进行考核和评价，考核指标有如下：1.实习态度  2.语言  3.板书  4.授课内容  5.辅导  6.实习总结  7.活动组织能力  8.个体思想工作  
( z) Z5 E! I; }9 \         而一共有 8 名学生
$ Z" _3 }& d& S这样的话我们就可以得到一个 8*8 的邻接矩阵，然后我们就要开始主成分分析的步骤：

先看一眼原始数据：
! f2 o% C& D- Z  _
( ^9 z2 }7 K1 Tstep1：标准化数据（matlab 一句代码搞定 ：zscore（X）,便可以将邻接矩阵标准化）

step2：求特征值和特征向量，这一步可以用两个函数求：princomp函数与eig函数

step3：求出特征根，85%原则下得到主成分：
8 R+ c' ~" m; G$ D  l
2 ?9 e. [( Q/ q7 o4 Y8 a( o
将上面的特征值从大到小排列按85%原则会选出前三个特征值，然后得到新三个指标下八个学生的得分情况：

9 C  H2 S3 a7 W* G/ E( {  |* G
然后做出贡献率直方图：
# s9 B) N. p( w6 V( @

0 k/ M$ e2 C1 V% V4 D& s+ b这下我们的过程基本就结束了。


' d: x0 s6 F7 H

但是并不代表我们分类就这样结束了，必要的话我们还得分析一下我们分类过程损失的信息量重要不，或者说误差函数。通俗讲就是我们分几类合适，三类只是保证了85%，那四类、五类行不行？
     这就需要进一步分析....附件中有详细过程，请下载观看。
) Q% W8 t1 W) s" X& G: ~6 B


6 a9 H# i% u0 H  Q8 z. r' @
看完记得回复，有体力的下载啊！！！！！！！！！
) ^* h! J9 }3 e* `) J; f8 H
! b! Z& r, t9 V9 I' a1 e2 w4 A7 e( s

秀的一骑绝尘

真的很有用

3963095

666666666666666666666
1 R% z' D" T! t

1670638760

thx赞赞赞赞赞赞赞赞
2 l; C3 }, z. ^

1714927891

非常有用

1714927891

感谢楼主分享

178190045

6666666666666666666666666666666