主成分分析是一种多变量统计方法，由Pearson提出并经Hotelling发展。它通过析取主成分显出差异，削减变量数目，可从样本协方差或相关系数矩阵出发分析。原理是对原始变量线性组合降维。还介绍了成分保留规则，最后提及用R语言实现主成分得分。
概念：
Pearson于1901年提出，再由Hotelling（1933）加以发展的一种多变量统计方法
通过析取主成分显出最大的个别差异，也用来削减回归分析和聚类分析中变量的数目
可以使用样本协方差矩阵或相关系数矩阵作为出发点进行分析
成分的保留：Kaiser主张（1960）将特征值小于1的成分放弃，只保留特征值大于1的成分
如果能用不超过3-5个成分就能解释变异的80%，就算是成功
原理：
通过对原始变量进行线性组合，得到优化的指标
把原先多个指标的计算降维为少量几个经过优化指标的计算（占去绝大部分份额）
基本思想：设法将原先众多具有一定相关性的指标，重新组合为一组新的互相独立的综合指标，并代替原先的指标
R语言实现：
主成分得分-相当于predict( )
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
