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。
% P$ F- ]" _7 ^2 ]6 ~5 i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  
5 d" O2 o( Z5 J* f0 c         而一共有 8 名学生
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：
- R/ ^5 }* {4 Z3 e  h
先看一眼原始数据：

& |& ^: @- X3 \step1：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
& K$ }% V* `2 `* m) I9 V( m2 U
4 |  g$ s* A8 U/ l5 @step3：求出特征根，85%原则下得到主成分：


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：


然后做出贡献率直方图：
$ x+ m% G8 ~; Z  S

4 v9 r9 N5 {; b5 R( ~这下我们的过程基本就结束了。




' _$ Y- p# H% `, C9 T# B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？
! C" l7 V+ w1 e, r8 Q( a  t5 b& ~- q) A     这就需要进一步分析....附件中有详细过程，请下载观看。

0 K; c3 K8 W7 A8 U

2 V6 [; S/ M1 h  g
看完记得回复，有体力的下载啊！！！！！！！！！
& C, X. u2 S1 i% O0 s
) `& x  Y# n0 U6 L

秀的一骑绝尘

真的很有用

3963095

666666666666666666666

1670638760

thx赞赞赞赞赞赞赞赞

1714927891

非常有用
( I$ U( \- T- ^/ X

1714927891

感谢楼主分享

178190045

6666666666666666666666666666666
! L) h4 R& v, s3 L6 a