主要内容

pcacov

协方差矩阵的主成分分析

在页面中全部折叠

语法

多项式系数= pcacov (V)
[多项式系数,潜伏]= pcacov (V)
[多项式系数,潜伏,解释]= pcacov (V)

描述

例子

多项式系数= pcacov (V）对平方协方差矩阵进行主成分分析V并返回主成分系数，也称为载荷。

pcacov不规范V有单位方差。使用相关矩阵对标准化变量进行主成分分析R = v / (SD * SD”),在那里SD =√诊断接头(V))，以代替V．若要直接对数据矩阵进行主成分分析，请使用主成分分析．

例子

［多项式系数，潜在的) = pcacov (V）也返回一个包含主成分方差的向量，即的特征值V．

例子

［多项式系数，潜在的，解释) = pcacov (V）还返回一个向量，其中包含由每个主成分解释的总方差的百分比。

例子

全部折叠

打开生活的脚本

创建一个协方差矩阵哈尔德数据集。

负载哈尔德covx = x(成分);

进行主成分分析covx变量。

[多项式系数,潜伏,解释]= pcacov (covx)
多项式系数=4×4-0.0678 -0.6460 0.5673 0.5062 -0.6785 -0.0200 -0.5440 0.4933 0.0290 0.7553 0.4036 0.5156 0.7309 -0.1085 -0.4684 0.4844
潜在的=4×1517.7969 67.4964 12.4054 0.2372
解释了=4×186.5974 11.2882 2.0747 0.0397

第一个成分解释了85%以上的总方差。前两个分量解释了近98%的总方差。

输入参数

全部折叠

协方差矩阵，指定为一个方阵，对称，正半定矩阵。

数据类型:单|双

输出参数

全部折叠

主成分系数，作为大小相同的矩阵返回V．每一列的多项式系数包含一个主成分的系数。列是按分量方差递减的顺序排列的。

主成分方差，作为长度等于的向量返回尺寸(多项式系数,1)．向量潜在的的特征值V．

由每个主成分解释的总方差的百分比，返回为相同大小的向量潜在的．的条目解释范围从0(不解释任何方差)到100(解释所有方差)。

参考文献

[1] j·E·杰克逊主成分用户指南．霍博肯，新泽西州:约翰·威利及其儿子，1991年。

[2]马萨诸塞州乔利夫市主成分分析．第二版。纽约:斯普林格-弗拉格出版社，2002年。

Krzanowski, W. J。多元分析原理:用户视角．纽约:牛津大学出版社，1988。

Seber, g.a.f。多变量的观察威利,1984。

扩展功能

版本历史

之前介绍过的R2006a

另请参阅

||||

Baidu
map