主要參考： https://www.zhihu.com/question/38417101/answer/94338598 http://blog.jobbole.com/88208/ 先說下PCA的主要步驟： 假設原始數據是10（行，樣例數 ...

function [V,S,E]=princa(X) [m,n]=size(X); %計算矩陣的行m和列n %-------------第一步：標准化矩陣-----------------% ...

【前言】主成分分析（PCA）實現一般有兩種，一種是對於方陣用特征值分解去實現的，一種是對於不是方陣的用奇異值（SVD）分解去實現的。 一、特征值 　　特征值很好理解，特征值和特征向量代表了一個矩陣最鮮明的特征方向。多個特征值和特征向量的線性組合可以表示此矩陣。選取特征值最大的特征值對應 ...

最近有小伙伴在問我一個數據分析的問題, 做畢設, 實證分析. 不知道改如何處理數據. 看了下設計的量表大致是這樣的, 都是 5級的里克特量表, 大致分為兩波, X, Y. 小伙伴認為就只有兩個變量, ...

求矩陣的秩 設 ，已知r(A)=2，則參數x，y分別是 解：任意三階子式=0，有二階子式≠0，但是這些子式比較多，可以使用初等變換，因為初等變換不改變矩陣的秩，可以將矩陣通過初等行（列 ...

PCA主成分分析算法，是一種線性降維，將高維坐標系映射到低維坐標系中。 如何選擇低維坐標系呢？ 通過協方差矩陣的特征值和特征向量，特征向量代表坐標系，特征值代表映射到新坐標的長度。 算法步驟： 輸入：樣本集D={x1,x2,...,xm}； 　　　低維空間維數k 第一步：將樣本集中心化 ...

PCA降維 一.原理 這篇文章總結的不錯PCA的數學原理。 PCA主成分分析是將原始數據以線性形式映射到維度互不相關的子空間。主要就是尋找方差最大的不相關維度。數據的最大方差給出了數據的最重要信息。 二.優缺點 優：將高維數據映射到低維，降低數據的復雜性，識別最重要的多個特征 不足 ...