数学建模暑期集训21:主成分分析(PCA)
建模 分析 数学 21 集训 PCA 成分 暑期
2023-09-14 09:01:37 时间
当遇到指标众多的场景时,以前通常的处理方法基本采用逐步回归的思想。即判断各指标之间的相关程度,保留几个重要的指标, 剔除其它不重要的指标。相关方法有:三大相关系数计算法、多元线性回归法、随机森林法、灰色相关系数法等。
此篇文章将介绍主成分分析,在不剔除任何指标的情况下实现数据的降维。
主成分分析简介
主成分分析是一种降维算法,它能将多个指标转换为少数几个主成分,这些主成分是原始变量的线性组合,且彼此之间互不相关,其能反映出原始数据的大部分信息。一般来说,当研究的问题涉及到多变量且变量之间存在很强的相关性时,我们可考虑使用主成分分析的方法来对数据进行简化。
主成分分析的思想
主成分分析计算步骤
主成分分析指标解释案例
主成分分析的一大难点是指标意义模糊,难以解释,下面这个例子可以辅助理解。
上表的累计贡献率 = 当前项贡献率 + 之前的累计贡献率。当累计贡献率 > 80%时,剩下的特征向量可以舍弃。
上面的分析需要一定的语言组织能力,也需要一定运气成分,若难以解释,或者强行解释,或者换方法。
主成分分析matlab实操
下面给出一道例题:
加载数据:
load data2.mat
运行下面的代码,得到结果:
clear;clc
% load data1.mat % 主成分聚类
load data2.mat % 主成分回归
[n,p] = size(x); % n是样本个数,p是指标个数
%% 第一步:对数据x标准化为X
X=zscore(x); % matlab内置的标准化函数(x-mean(x))/std(x)
%% 第二步:计算样本协方差矩阵
R = cov(X);
%% 注意:以上两步可合并为下面一步:直接计算样本相关系数矩阵
R = corrcoef(x);
disp('样本相关系数矩阵为:')
disp(R)
%% 第三步:计算R的特征值和特征向量
% 注意:R是半正定矩阵,所以其特征值不为负数
% R同时是对称矩阵,Matlab计算对称矩阵时,会将特征值按照从小到大排列哦
% eig函数的详解见第一讲层次分析法的视频
[V,D] = eig(R); % V 特征向量矩阵 D 特征值构成的对角矩阵
%% 第四步:计算主成分贡献率和累计贡献率
lambda = diag(D); % diag函数用于得到一个矩阵的主对角线元素值(返回的是列向量)
lambda = lambda(end:-1:1); % 因为lambda向量是从小大到排序的,我们将其调个头
contribution_rate = lambda / sum(lambda); % 计算贡献率
cum_contribution_rate = cumsum(lambda)/ sum(lambda); % 计算累计贡献率 cumsum是求累加值的函数
disp('特征值为:')
disp(lambda') % 转置为行向量,方便展示
disp('贡献率为:')
disp(contribution_rate')
disp('累计贡献率为:')
disp(cum_contribution_rate')
disp('与特征值对应的特征向量矩阵为:')
% 注意:这里的特征向量要和特征值一一对应,之前特征值相当于颠倒过来了,因此特征向量的各列需要颠倒过来
% rot90函数可以使一个矩阵逆时针旋转90度,然后再转置,就可以实现将矩阵的列颠倒的效果
V=rot90(V)';
disp(V)
%% 计算我们所需要的主成分的值
m =input('请输入需要保存的主成分的个数: ');
F = zeros(n,m); %初始化保存主成分的矩阵(每一列是一个主成分)
for i = 1:m
ai = V(:,i)'; % 将第i个特征向量取出,并转置为行向量
Ai = repmat(ai,n,1); % 将这个行向量重复n次,构成一个n*p的矩阵
F(:, i) = sum(Ai .* X, 2); % 注意,对标准化的数据求了权重后要计算每一行的和
end
前两个的主成分累计贡献率已达97.74%,因此保存主成分的个数选择2。
输入个数之后,得到F矩阵,将数据导入Spss或Stata可以做聚类或回归。
%% (1)主成分聚类 : 将主成分指标所在的F矩阵复制到Excel表格,然后再用Spss进行聚类
% 在Excel第一行输入指标名称(F1,F2, ..., Fm)
% 双击Matlab工作区的F,进入变量编辑中,然后复制里面的数据到Excel表格
% 导出数据之后,我们后续的分析就可以在Spss中进行。
%%(2)主成分回归:将x使用主成分得到主成分指标,并将y标准化,接着导出到Excel,然后再使用Stata回归
% Y = zscore(y); % 一定要将y进行标准化哦~
% 在Excel第一行输入指标名称(Y,F1, F2, ..., Fm)
% 分别双击Matlab工作区的Y和F,进入变量编辑中,然后复制里面的数据到Excel表格
% 导出数据之后,我们后续的分析就可以在Stata中进行。
相关文章
- 背景建模技术(二):BgsLibrary的框架、背景建模的37种算法性能分析、背景建模技术的挑战
- R语言实现金融数据的时间序列分析及建模
- 数学建模番外篇7:优秀论文插图整理&分析(2018年及之前)
- 数学建模暑期集训9:灰色关联分析
- 数学建模学习笔记(九)数据预处理
- 数学建模学习笔记(六)多元回归分析算法(matlab)
- 【数学建模】层次分析(Matlab&Python代码实现)
- 【数学建模论文】数学模型分析红楼梦作者
- 数学建模学习(77):matlab相关性分析(皮尔逊,肯德尔,斯皮尔曼)
- 数学建模学习(76):多目标线性规划模型(理想法、线性加权法、最大最小法),模型敏感性分析
- 数学建模学习(63):2022美赛单变量深度学习LSTM 时间序列分析预测
- 数学建模学习(62):主成成分分析(PCA)讲解与应用(一)
- 数学建模学习(10):函数全解,很重要!!所以我再仔细讲一遍!新手建议收藏。
- 数学建模学习(3):数据统计与分析之随机数
- 数学建模学习(1):数据统计与分析之平均数,中位数,方差,标准差,极差
- A4.2021年全国数学建模竞赛A题-赛题分析与评阅要点(FAST主动反射面的形状调节)
- Python小白的数学建模课-A1.国赛赛题类型分析
- 实验二、UML建模之用例分析与设计【PowerDesginer】
- 实验五、UML动态建模之活动图分析与设计【PowerDesginer】
- 【清风数学建模笔记】第十一讲:时间序列分析