|
matlab中主成分分析的函数:
- r( O; ^" ]+ E# d/ p1.princomp% Y/ f& b% u! u6 d. Z6 U+ l
功能:主成分分析( l) [0 |* c, r: L3 v K
格式:PC=princomp(X)
8 B5 f1 V u+ Q* T* v+ V/ h' \ [PC,SCORE,latent,tsquare]=princomp(X)
. W7 t/ w7 y( ~4 v* O( n 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)。 0 K. t) g- Q8 v
2.pcacov
% K2 B- }* Z' {6 }) U2 z5 C, H; j 功能:运用协方差矩阵进行主成分分析* h) v: V5 {8 k' E4 ~* i
格式:PC=pcacov(X)7 V5 W0 Z0 L% n# x8 P7 R* [# P$ J
[PC,latent,explained]=pcacov(X)! s. ]# }. n& e6 Q8 A# W5 R4 {
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)。 ! L" B7 D% C+ m) o$ {: H" y9 ^
3.pcares
0 w# C5 L. }, a. q2 P/ H. k2 D5 r 功能:主成分分析的残差) ~0 E9 j( @9 z; M
格式:residuals=pcares(X,ndim)" m4 F1 }5 W# F3 P
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。
9 \# J$ h! j3 _! l: x! x) U0 T O4.barttest- C0 ?' W$ a5 K. r
功能:主成分的巴特力特检验
! h5 h( B% Z6 }/ `4 l 格式:ndim=barttest(X,alpha)* E5 |. m, y" `* t K
[ndim,prob,chisquare]=barttest(X,alpha)1 o9 k- M/ @: {& c! M& h/ Q) O8 ?5 Z
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。 |