matlab主成分分析法-免費閱讀
【正文】 cwscore(v1,result)。 %filename為文本文件文件名，a為矩陣行數(shù)(樣本數(shù))，b為矩陣列數(shù)(變量指標數(shù))fid=fopen(filename,39。 endend %計算載荷disp(result) %,計算得分function score=cwscore(vector1,vector2)。 newi(length(y)+1k)=i(k)。endfprintf(39。相關系數(shù)矩陣:\n39。③ 計算主成分貢獻率及累計貢獻率主成分的貢獻率為累計貢獻率為一般取累計貢獻率達85—95%的特征值所對應的第一、第二，…，第m（m≤p）個主成分。 Matlab語言是當今國際上科學界 (尤其是自動控制領域) 最具影響力、也是最有活力的軟件。 ① 計算相關系數(shù)矩陣 （1）在（，rij（i，j=1，2，…，p）為原變量的xi與xj之間的相關系數(shù)，其計算公式為 （2）因為R是實對稱矩陣（即rij=rji），所以只需計算上三角元素或下三角元素即可。 %矩陣大小,a為行數(shù),b為列數(shù)for i=1:a for j=1:b std(i,j)= vector(i,j)/cwsum(j)。 %對特征根進行排序，y為排序結(jié)果，i為索引fprintf(39。)newrate=newy/sum(newy)sumrate=0。fprintf(39。fprintf(39。fprintf(39。39。%g39。[newcsum,i]=sort(1*csum)。主成分數(shù)：%g\n\n39。fprintf(39。)[vec,val]=eig(std) %求特征值(val)及特征向量(vec)newval=diag(val) 。 主函數(shù) 子函數(shù)——用總和標準化法標準化矩陣——計算相關系數(shù)矩陣；計算特征值和特征向量；對主成分進行排序；計算各特征值貢獻率；挑選主成分（累計貢獻率大于85%），輸出主成分個數(shù)；計算主成分載荷——計算各主成分得分、綜合得分并排序——讀入數(shù)據(jù)文件；調(diào)用以上三個函數(shù)并輸出結(jié)果 %,用總和標準化法標準化矩陣function std=cwstd(vector)cwsum=sum(vector,1)。Matlab 語言在各國高校與研究單位起著重大的作用。它提供了強大的科學運算、靈活的程序設計流程、高質(zhì)量的圖形可視化與界面設計、與其他程序和語言的便捷接口的功能。下面主要主要介紹利用Matlab的矩陣計算功能編程實現(xiàn)主成分分析。特征向量(vec)及特征值(val)：\n39。,newy)rate=y/sum(y)。 end end %記下累積貢獻率大85%的特征值的序號放入newi中fprintf(39。csum=sum(sco,2)。)vector=fscanf(fid,39。城 市名 稱年底總?cè)丝?萬人) 非農(nóng)業(yè)人口比(%) 農(nóng) 業(yè)總產(chǎn)值(萬元)工業(yè)總產(chǎn)值(萬元)客運總量(萬人)貨運總量(萬噸)地方財政預算內(nèi)收入(萬元)城鄉(xiāng)居民年底儲蓄余額(萬元)在崗職工人數(shù)(萬人)在崗職工工資總額(萬元)北 京1 81 843 42719 999 70620 32345
數(shù)學相關推薦
鄂ICP備17016276號-1