主题:【讨论】什么是主成分分析法即principal component analysis及其适用的范围?

浏览0 回复41 电梯直达
chauchylan
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
能否简单介结一下适用范围及如何建立数学模型?
为您推荐
专属顾问快速对接
获取验证码
立即提交
远远的星光
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
主成分分析(PCA) 用来进行模式识别是基于降维的思路 即将一类样品的多个特征信息进行组合,将最大
特征的信息集中在其得分矩阵的第一列,第二特征信息集中在第二列,依次类推,将这两列进行散点
作图,可以达到“物以类聚”的效果,直观反应了样本之间的关系,实现模式识别的目的    我只能说这么清晰了  奈何我上传不了图片啊
zuiwo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
我们可以这么理解:在进行实验时,会获得大量的数据,一个样本可能会对应于很多变量值,特别是仪器分析实验(例如一个样品测光谱图,每一个波长对应的纵坐标值就是一个变量,从200测到1100nm的话至少有900个变量)。这些变量值可以通过数学方法进行变换,找出其中某几个变量来代替所有的变量,从而表征样本所具有的一些特征。找到这几个代表变量的方法就是主成分分析。算法上来讲基础的有奇异值分解(SVD分解法)、NIPALS(非线性迭代偏最小二乘法)等等。算法有很多种。
zuiwo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
PCA方法属于化学计量学算法,常用于处理一些大样本、多变量的实验数据。在光谱测量中,拉曼光谱数据及近红外光谱数据非常需要计量学算法的帮助才能在看似没有规律的谱图中挖掘出可用的信息。

zuiwo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
主成分分析(Principal Component Analysis,PCA), 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法
zuiwo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
zuiwo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
2012-taxuan
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
百度百科里的解释:
主成分分析(Principal Component Analysis,PCA), 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。
2012-taxuan
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
主成分分析(Principal Component Analysis,PCA), 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。

2012-taxuan
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
主成分分析(Principal Component Analysis,PCA), 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。

happyalife
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
没有必要和这种算法这么认真,毕竟用到这种算法建模的人只是极少数几个人,大部分简单知道下就好,而且这种算法顾命就能思议
猜你喜欢 最新推荐 热门推荐
品牌合作伙伴