前几天,我找到了大牛的人工智能学习网站。 简单易懂,幽默,忍不住分享一下吧。 () `-)”单击此处-这是宝级人工智能教程网站。
文章目录.主成分分析:主成分与原始变量的关系: PCA降维:.SPSS主成分分析的步骤如下。 a .求出与指标对应系数1 .方差图和成分矩阵:2.指标系数=成分矩阵中的数据/sqrt (与主要成分对应的特征值)3.与主要成分对应的系数=特征值方差所占的比例/总特征值方差比的总和4 .将4.excel的公式b .获得归一化数据。 c .然后将数据导入excel进行分数项的输出和排序。 带spss的免安装文件地址。 I .主成分分析:
3358www.Sina.com/,将多个变量通过3358www.Sina.com/,选出较少数量的重要变量的多元分析方法。
主成分与原始变量的关系: (1)主成分保存着原始变量的大部分信息。
)2)主成分的个数大大少于原变量的数量。
)3)各主成分之间互不相关。
)4)各主成分为原变量的线性组合。
PCA降维:假设我们讨论的实际问题有p个指标。 将这p个指标看作p个随机变量,表示为X1,X2,…,Xp。 主成分分析是指将这p个指标的问题转化为讨论p个指标线性组合的问题。 然后根据这些新指标F1、F2、…、fk(kp )进行保留
像这样,从讨论多个指标降低到少数综合性指标的过程在数学上叫做降维。主成分分析(Principal Component Analysis,PCA)
.SPSS主成分分析的步骤如下。
a .求出指标对应的系数1 .方差图和分量矩阵:
2 .指标系数=成分矩阵中数据/sqrt (对应于主要成分的特征值(F1=0.353 zx 10.042 zx2-0.041 zx 30.364 zx 40.367 zx 5.366 zx 6.352 zx 7.364 zx 8.298 zx 9.355 zx
F2=0.175 zx1-0.741 zx 20.609 zx3-0.004 zx 40.063 zx5-0.061 zx6-0.022 zx 70.158 zx 8.046 zx9-0.115 zx10
线性变换
3 .相对于主成分的系数=特征值方差的比例/总特征值方差的比例的总和f=(72.2/84.5 ) f1 ) 12.3/84.5 ) F2
4 .使用excel公式计算指标系数,将成分矩阵的数据列读入excel表中。
然后用Excel命令:
主成分分析通常的做法是,寻求 原指标的线性组合Fi
获得结果:
5 .数据归一化处理a .操作如下。
b .获得归一化数据:
c .然后将数据导入excel进行分数项的输出和排序。(注:ZX1,ZX2,…ZX10均为归一化之后处理的数据,而不是原数据表格中的数值,目的在于统一不同的量纲。)
F2可以做同样的事情;
最终通过f的计算公式得到最终的评价得分排名。
带spss的免安装文件地址:链接: https://pan.Baidu.com/s/1 euykvedu _ levjgwexkvciw
抽屉代码: u2p8