主成分分析案例
主成分分析步骤
-
对原始数据进行标准化处理
-
计算相关系数矩阵
-
计算特征值和特征向量
-
选择 个主成分,进行综合评价
分析
clc,clear; load gj.txt; % 标准化数据 计算相关系数矩阵 gj = zscore(gj); r = corrcoef(gj); % 利用相关系数矩阵进行主成分分析 % vec1 的列是 r 的特向量,即主成分系数 % lamda 为 r 的特征值 % rate 为各个主成分的贡献率 [vec1,lamda,rate] = pcacov(r); % 对贡献率累加求和 contr = cumsum(rate); % 构造与 vec1 同维数的元素为+1,-1的矩阵 f = repmat(sign(sum(vec1)),size(vec1,1),1); % 修改特征向量的正负号,使得每个特征向量的分量和为正 vec2 = vec1.*f; % 选取 4 个主成分元素 num = 4; % 计算各个主成分得分 30*10 10*4 -> 30 * 4 % y1 y2 y3 y3 ———— 北京 df = gj*vec2(:,1:num); % 计算综合得分 tf = df*rate(1:num)/100; % 排序 [stf,ind] = sort(tf,'descend'); stf = stf'; % 得分 ind = ind'; % 名次
看程序应该是目前学过的最复杂的MATLAB程序了。
先看 vec1 列,他是主成分系数,也就是特征向量。
也就是说前几个主成分分别为:

从表中可以看出第一主成分主要反映了前6个指标,第二主成分主要反映第7,第8个指标,等等。
然后是 rate 参数:
他是各个主成分对综合评价的比例:
累加求和,要选取的主成分可以辨别 %90 以上的数据样本,可知选4个主成分较好。
可以构建主成分综合评价模型

然后代入样本数据,看每个地区的得分情况。
需要注意的是,后面的 y5 , y6 ,..., y10都不要算咯。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· Open-Sora 2.0 重磅开源!
· 周边上新:园子的第一款马克杯温暖上架
2017-01-22 BestCoder Round #91 1002 Lotus and Horticulture
2017-01-22 BestCoder Round #91 1001 Lotus and Characters