4-主成分分析法

最新推荐文章于 2025-08-20 22:56:05 发布

weixin_30895603

最新推荐文章于 2025-08-20 22:56:05 发布

阅读量138

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能

原文链接：http://www.cnblogs.com/zhumengdexiaobai/p/9491538.html

clc, clear;
pp = xlsread('E:\a-建模\第六轮\结果\附件4.一次风机部分监测数据.xls', 2,'L21:P3411');
gj=pp;   %原始数据 
gj=zscore(gj); %数据标准化
r=corrcoef(gj);  %计算相关系数矩阵
%下面利用相关系数矩阵进行主成分分析，x的列为r的特征向量，即主成分的系数
[x,y,z]=pcacov(r) %y为r的特征值，z为各个主成分的贡献率
f=repmat(sign(sum(x)),size(x,1),1); %构造与x同维数的元素为±1的矩阵
x=x.*f %修改特征向量的正负号，每个特征向量乘以所有分量和的符号函数值
num=3;  %num为选取的主成分的个数
df=gj*x(:,[1:num]);  %计算各个主成分的得分
tf=df*z(1:num)/100;  %计算综合得分
[stf,ind]=sort(tf,'descend');  %把得分按照从高到低的次序排列
stf=stf', ind=ind'

mz = [z';cumsum(z')];
mz = mz';

转载于:https://www.cnblogs.com/zhumengdexiaobai/p/9491538.html