主成分分析pcappt課件-閱讀頁
2025-01-29 05:40本頁面
【正文】 65 70 70 ； 49 Eigenvalues of the Covariance Matrix Eigenvalue Difference Proportion Cumulative PRIN1 PRIN2 PRIN3 PRIN4 PRIN5 0. 0 Eigenvectors 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 。 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 。 對美國紐約上市的有關(guān)化學(xué)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 。 1） 利用相關(guān)系數(shù)矩陣做主成分分析 。 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。 1． 主成分分析能降低所研究的數(shù)據(jù)空間的維數(shù)。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。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。 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。要把研究的問題用圖形表示出來是不可能的。 55 3．由主成分分析法構(gòu)造回歸模型。 4．用主成分分析篩選回歸變量。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
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1