|
matlab中主成分分析的函数:
+ U' {3 Y$ S: y0 @+ l1.princomp
/ Z' H3 a8 L- f% k& j% x0 R 功能:主成分分析$ `3 z. z+ m3 z
格式:PC=princomp(X)
5 P% s( A. @2 T+ x2 d. H, B [PC,SCORE,latent,tsquare]=princomp(X)
! f. d" i8 b' [; X8 B& G 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)。 5 W/ q1 F1 Q& W# I) z9 E
2.pcacov5 H0 |9 t4 G' E9 G8 y
功能:运用协方差矩阵进行主成分分析8 Z2 [8 X% Y3 r1 _- I
格式:PC=pcacov(X)) O1 T* u5 Y6 b; g/ S3 \4 f( F C& X
[PC,latent,explained]=pcacov(X) l% S6 N: C9 c
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)。 # x4 D; ^5 M" n
3.pcares% W/ O* ~& D. T3 c5 G
功能:主成分分析的残差
4 M: T1 }3 O$ @/ m 格式:residuals=pcares(X,ndim)
& S/ K' o) d8 T2 O0 k6 ~ q5 }% k 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。
5 b' B) }7 o- u9 z( B/ T4.barttest+ }! ~: Z. ]( R' U
功能:主成分的巴特力特检验' I9 k+ K3 K! S* Y
格式:ndim=barttest(X,alpha)
( Z. ~3 E$ ]8 ~ [ndim,prob,chisquare]=barttest(X,alpha)7 i: T6 G# |* q, }
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。 |