諸多的對于主成分分析法具體步驟，主成分分析法這個問題都頗為感興趣的，為大家梳理了下，一起往下看看吧。

【資料圖】

1、PCA是主成分分析法。首先，不要想太多。如果用數(shù)學(xué)往下推，可能需要一些最小二乘法、SVD分解等比較難的知識，但幸運的是，如果只是想用主成分分析，可以借助計算機一步步操作。

2、非常方便快捷。我將更新一下如何使用軟件完成主成分分析的具體步驟的經(jīng)驗。這種體驗還是講究理解的。

3、看下圖，我們可以看到數(shù)據(jù)中有很多點，都是用兩個坐標來表示的，就像我前面說的。我們經(jīng)常需要用一個數(shù)字來直觀地反映大小的關(guān)系。

4、現(xiàn)在想一想，如果我們旋轉(zhuǎn)圖片，如下圖所示，當我們旋轉(zhuǎn)到某個位置時，讓各點橫坐標的平方和最大(這里用的方法是最小二乘法)，此時x的坐標值就是主元素1的值。

5、通常我們在進行比較時使用主成分1。

6、很多朋友會覺得主成分分析法混淆了，還有一個原因就是為什么有主元素2，3，4，5等等。這個時候發(fā)生了什么？我們來觀察一下我剛才畫的草圖，其實讓他們有x的最大坐標，

7、其實對應(yīng)的就是把自己的Y坐標最小化！他們的y坐標不是主元素2嗎？再比如，在比較房屋質(zhì)量時，如果考慮離市中心的距離和朝向，那么數(shù)據(jù)就是2維的，可以計算出不同房屋的主元1和主元2。

8、如果加上一個地塊綠化率，就可以計算出主元3，但需要注意的是，我們通常考慮的是主元1，主元2和主元3包含的有效信息較少。如果你發(fā)現(xiàn)主元2也很大，這個時候可能就要考慮主元2了。

9、但實際上，主成分分離得越少越好。這是指標有效性評估的知識，以后會擴充很多，更新。

以上就是主成分分析法這篇文章的一些介紹，希望對大家有所幫助。

標簽：