
1.主成分分析的具体方法
主成分分析是一类常用的针对连续变量的降维方法,选取能够最大化解释数据变异的成分,将数据从高维降到低维,同时 保证各个维度之间正交。 对变量的协方差矩阵或相关系数矩阵求取特征值和特征向量,经证明,对应最大特征值的特征向量,其方向正是协方差矩 阵变异最大的方向。依次类推,第二大特征值对应的特征向量,是与第一个特征向量正交且能最大程度解释数据剩余变异 的方向,而每个特征值则能够衡量各方向上变异的程度。因此,进行主成分分析时,选取最大的几个特征值对应的特征向 量,并将数据映射在这几个特征向量组成的参考系中,达到降维的目的(选择的特征向量数量低于原始数据的维数)。
1.主成分分析算法解析
主成分分析算法认为,数据的信息是包含在其方差当中的,如果一个随机变量的方差很小,说明其不确定性较低,或者说即便我们没有获 得这个变量的抽样值,也几乎可以用一个确定的值(例如其期望值)来代替它,因此引入它只能消除很少的不确定性,即该变量包含的信 息较少。相反,一个方差很大的变量,如果能够获得它的抽样值,则可以帮助我们消除很大一部分不确定性,因此它包含的信息较多。 从主成分分析的观点出发,我们就知道下图中投影到哪个轴更加合适了,显然将原始坐标轴旋转到左图当中的U1位置更好,因为数据在 这个方向上的变异(方差)更大,而样本在右图的U1方向显然变异更小(图中阴影用于示意离散程度,并不代表方差大小)。
我们的目标是优化上式,求满足该函数最大化的 u,可以使用拉格朗日乘数法,即求满足下式最大的 u:
我们的目标是优化上式,求满足该函数最大化的 u,可以使用拉格朗日乘数法,即求满足下式最大的 u:
在实际研究中,有时单个指标的方差对研究目的起关键作用,为了达到研究目的,此时用协方差矩阵进行主成分分析恰 到好处。相关系数矩阵就是随机变量标准化后的协方差矩阵。通过随机变量的标准化,相关系数矩阵剥离了单个指标的 方差,仅保留指标间的相关性,用相关系数矩阵计算主成分,其优势效应仅体现在相关性大、相关指标数多的一类指标上。
2.主成分法的应用
大致分为三个方面:
(1)对数据做综合打分
(2)降维以便对数据进行描述
(3)为聚类或回归等分析提供变量压缩 在应用时要能够判断主成分法的适用性,能够根据需求选取合适的主成分数量。
1.主成分分析计算在选择相关系数计算法时,确定主成分个数的大致原则包括( )?
A.特征根值大于1
B. 特征根值大于0.5
答案:AC 解析:主成分分析主要考核得到软件的计算结果后如何选择主成分个数,由于主成分一般不具有 明确的意义,因此不考核主成分的解释,这会放在因子分析考核。该题是一个很标准的题目,答 案可以从任何一本教科书上找到。请注意题干中的“大致原则”,说明该原则在不同的运用场合 下选择标准会略有改变
2.主成分分析计算分为根据相关系数和协方差矩阵两种方式,以下哪种情况适合用相关系数计算( )?
A.变量的量纲不同
B. 变量的方差不同
C. 变量的标准差不同
D. 变量的均值不同
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02