matlab中主成分分析的函数:
: ^' r% h7 ^* i1 Z1.princomp
5 e3 D5 ^- x7 L! k# p: B 功能:主成分分析) s* `, a- T/ _# S
格式:PC=princomp(X)
# b1 b2 x, U, l4 G) S' s' F+ z [PC,SCORE,latent,tsquare]=princomp(X)# m g x/ }: A I$ S
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)。
1 } H6 d/ O9 x, D2.pcacov
& V2 C% h7 o1 Z, |. I5 F. Q4 I2 w 功能:运用协方差矩阵进行主成分分析
( D$ J) Z3 b9 w6 w+ W 格式:PC=pcacov(X)4 d y5 O7 b( u& G9 f
[PC,latent,explained]=pcacov(X)
1 m, |( @3 \$ T3 j 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)。 ; i) E7 P' b6 s
3.pcares* ]$ u. [# \( T& r! A+ t4 ?# }
功能:主成分分析的残差
( M( T8 v" F( x# \" ~: s 格式:residuals=pcares(X,ndim)
) n* h5 f J7 u' b 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。
4 y% |0 S+ q! v/ x4.barttest
+ o. F+ y [ i9 ? 功能:主成分的巴特力特检验
2 [# l" b9 Y, B7 U; P+ j 格式:ndim=barttest(X,alpha)0 _4 J/ W) t4 l, ~; x
[ndim,prob,chisquare]=barttest(X,alpha)4 A- k8 w8 V- s0 c s
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。 |