特征抽取 PCA主成分分析

一、方法

    主成分分析也成主分量分析，利用降维的思想，将多个指标特征转化为少数的几个综合指标特征。是一种线性变化来简化数据集的技术。在减少维数的同时还尽可能多的保留数据集的特征。

    作用在于: 降低维数，弄清变量间关系，在低维可以图形化，构造回归模型以及筛选回归变量等

二、步骤

    1.对原始数据标准化 xi=(Xi-平均值Xi)/Si

    2.计算标准化后的相关系数矩阵R

    3.计算R的特征值和特征向量

    4.计算贡献率和累计贡献率以及主成分载荷 lij=sqrt(lambai)eij,其中ei是对应特征值lambdai的特征向量,eij为ei的第j个分量

三、实验

    数据 data.txt

148 41 72 78
139 34 71 76
160 49 77 86
149 36 67 79
159 45 80 86
142 31 66 76
153 43 76 83
150 43 77 79
151 42 77 80
139 31 68 74
140 29 64 74
161 47 78 84
158 49 78 83
140 33 67 77
137 31 66 73
152 35 73 79
149 47 82 79
145 35 70 77
160 47 74 87
156 44 78 85
151 42 73 82
147 38 73 78
157 39 68 80
147 30 65 75
157 48 80 88
151 36 74 80
144 36 68 76
141 30 67 76
139 32 68 73
148 38 70 78