主成分分析PPTword版本.pptx

《主成分分析PPTword版本.pptx》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、主成分分析1基本思想2数学模型与几何解释3主成分的推导及性质4主成分性质目录CONTENT5样本的主成分6主成分分析计算步骤7主成分分析软件操作基本思想1在研究中，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，人们会很自然地想到，能否在相关分析的基础上，用较少的新变量代替原来较多的旧变量，而且使这些较少的新变量尽可能多地保留原来变量所反映的信息？§1基本思想事实上，这种想法是可以实现的，主成分分析方法就是综合处理这种问题

2、的一种强有力的工具。主成分分析是把原来多个变量划为少数几个综合指标的一种统计分析方法。从数学角度来看，这是一种降维处理技术。数学模型与几何解释2§2数学模型与几何解释假设实际问题中有p个指标，我们把这p个指标看作p个随机变量，记为x1，x2，…，xp，主成分分析就是要把这p个指标，转变为讨论p个指标的线性组合的问题，这些新的指标y1，y2，…，yk(k≤p），原则:保留主要信息量的充分反映原指标的信息，并且相互无关。这种由讨论多个指标降为少数几个综合指标的过程在数学上就叫做降维。主成分分析通常的做法，是寻求

3、原指标的线性组合yi：满足如下的条件：(2)主成分之间相互无关，即无重叠的信息。即(3)主成分的方差依次递减，重要性依次递减，即(1)每个主成分的系数平方和为1（否则其方差可能为无穷大），即二维空间中主成分的几何意义：设有n个样品，每个样品有两个观测变量xl和x2。在由变量xl和x2所确定的二维平面中，n个样本点所散布的情况如椭圆状。由图可以看出这n个样本点无论是沿着xl轴方向或x2轴方向都具有较大的离散性，其离散的程度可以分别用观测变量xl的方差和x2的方差定量地表示。显然，如果只考虑xl和x2中的任何一

4、个，那么包含在原始数据中的信息将会有较大的损失。•••••••••••••••••••••••••••••••••••••主成分分析的几何解释平移、旋转坐标轴o将xl轴和x2轴先平移，再同时按逆时针方向旋转角度，得到新坐标轴Fl和F2，则•••••••••••••••••••••••••••••••••••••主成分分析的几何解释平移、旋转坐标轴oo旋转变换的目的是为了使得n个样品点在Fl轴方向上的离散程度最大，即yl的方差最大。变量yl代表了原始数据的大部分信息，在研究某些实际问题时，即使不考虑变量y2

5、也无损大局。经过上述旋转变换原始数据的大部分信息集中到Fl轴上，对数据中包含的信息起到了浓缩作用。••••••••••••••••••••••••••••••••••••主成分分析的几何解释平移、旋转坐标轴•ooyl，y2除了可以对包含在Xl，X2中的信息起着浓缩作用之外，还具有不相关的性质，这就使得在研究复杂的问题时避免了信息重叠所带来的虚假性。二维平面上的各点的方差大部分都归结在Fl轴上，而F2轴上的方差很小。yl和y2称为原始变量x1和x2的综合变量。F简化了系统结构，抓住了主要矛盾。主成分的推导及性

6、质3§3主成分的推导及性质一、两个线性代数的结论1、若A是p阶实对称阵，则一定可以找到正交阵U，使其中是A的特征根。2、若上述矩阵的特征根所对应的单位特征向量为则U是正交矩阵，即有令二、主成分的推导（一）第一主成分设x的协方差阵为由于Σx为非负定的对称阵，所以存在正交阵U，使得其中1,…,p为Σx的特征根，不妨假设1…p。U是由特征根相对应的特征向量所组成的正交阵：设有P维单位向量下面证明，由U的第一列元素所构成的原始变量的线性组合有最大的方差。y1称为第一主成分。如果第一主成分的信息不够，则需

7、要寻找第二主成分。（二）第二主成分在约束条件下，寻找第二主成分因为所以于是，对任意的p维向量a2，有所以如果取线性变换：则y2的方差为λ2次大，并且y1和y2线性无关。类似地，可以得到方差逐步减少的p个线性无关的主成分：小结：方差逐步减少的p个线性无关的主成分为写为矩阵形式：主成分性质41、均值2、原总体的总方差（或称为总惯量）等于不相关的主成分的方差之和§4主成分的性质4、贡献率与累积贡献率1）贡献率：第i个主成分的方差在全部方差中所占比重,称为第i个主成分的贡献率，反映了第i个指标提供多大的信息，有多大

8、的综合能力。2）累积贡献率：前k个主成分共有多大的综合能力，用这m个主成分的方差和在全部方差中所占比重来描述，称为累积贡献率。累积贡献率大小反映m个主成分提取了的多少信息，但没有表达某个变量被提取了多少信息，为此引人下述概念。例:设x1,x2,x3的协方差矩阵为解得特征根为第一个主成分的贡献率为5.83/（5.83+2.00+0.17）=72.875%，尽管第一个主成分的贡献率并不小，但在本题中第一主成分不含第三