主成分分析pcappt課件-資料下載頁
2025-01-14 05:40本頁面
【正文】 PRIN1 PRIN2 PRIN3 PRIN4 PRIN5 X1 X2 X3 X4 X5 50 第一主成份的貢獻率為 %， 第一主成份 Z1=++++ 的各項系數(shù)大致相等 ， 且均為正數(shù) ， 說明第一主成份是對所有指標的一個綜合測度 ， 可以作為綜合的信用等級指標 。 可以用來排序 。 將原始數(shù)據(jù)的值中心化后 ， 代入第一主成份 Z1的表示式 ，計算各企業(yè)的得分 ， 并按分值大小排序 : 在正確評估了顧客的信用等級后 ， 就能正確制定出對其的信用期 、 收帳政策等 ， 這對于加強應(yīng)收帳款的管理大有幫助 。 序號 1 2 3 4 5 6 7 8 9 10 得分 排序 4 3 7 1 2 8 5 10 6 9 51 例二 基于相關(guān)系數(shù)矩陣的主成分分析 。 對美國紐約上市的有關(guān)化學產(chǎn)業(yè)的三個證券和石油產(chǎn)業(yè)的 2個證券做了 100周的收益率調(diào)查 。 下表是其相關(guān)系數(shù)矩陣 。 1） 利用相關(guān)系數(shù)矩陣做主成分分析 。 2）決定要保留的主成分個數(shù)，并解釋意義。 1 1 1 1 1 52 Eigenvalues of the Correlation Matrix Eigenvalue Difference Proportion Cumulative PRIN1 PRIN2 PRIN3 PRIN4 PRIN5 0. 0 Eigenvectors PRIN1 PRIN2 PRIN3 PRIN4 PRIN5 X1 X2 X3 X4 X5 53 根據(jù)主成分分析的定義及性質(zhì)，我們已大體上能看出主成分分析的一些應(yīng)用。概括起來說，主成分分析主要有以下幾方面的應(yīng)用。 1． 主成分分析能降低所研究的數(shù)據(jù)空間的維數(shù)。即用研究 m維的 Y空間代替 p維的 X空間 (m＜ p)，而低維的 Y空間代替 高維的 x空間所損失的信息很少。即：使只有一個主成分 Yl(即 m＝ 1)時，這個 Yl仍是使用全部 X變量 (p個 )得到的。例如要計算 Yl的均值也得使用全部 x的均值。在所選的前 m個主成分中，如果某個 Xi的系數(shù)全部近似于零的話，就可以把這個 Xi刪除，這也是一種刪除多余變量的方法。 167。 6 主成分分析結(jié)論 54 2. 多維數(shù)據(jù)的一種圖形表示方法。我們知道當維數(shù)大于 3時便不能畫出幾何圖形，多元統(tǒng)計研究的問題大都多于 3個變量。要把研究的問題用圖形表示出來是不可能的。然而，經(jīng)過主成分分析后，我們可以選取前兩個主成分或其中某兩個主成分，根據(jù)主成分的得分，畫出 n個樣品在二維平面上的分布況，由圖形可直觀地看出各樣本在主分量中的地位。 55 3．由主成分分析法構(gòu)造回歸模型。即把各主成分作為新自變量代替原來自變量 x做回歸分析。 4．用主成分分析篩選回歸變量?；貧w變量的選擇有著重的實際意義，為了使模型本身易于做結(jié)構(gòu)分析、控制和預(yù)報，好從原始變量所構(gòu)成的子集合中選擇最佳變量，構(gòu)成最佳變量集合。用主成分分析篩選變量，可以用較少的計算量來選擇量，獲得選擇最佳變量子集合的效果。 56
教學課件相關(guān)推薦
鄂ICP備17016276號-1