Невязки из анализа основных компонентов
residuals = pcares(X,ndim)
[residuals,reconstructed] = pcares(X,ndim)
residuals = pcares(X,ndim)
возвращает residuals
полученный путем сохранения ndim
основные компоненты матрицы n на p X
. Строки X
соответствуют наблюдениям, столбцы - переменным. ndim
является скаляром и должен быть меньше или равен p residuals.
- матрица того же размера, что и X
. Используйте матрицу данных, а не ковариационную матрицу с этой функцией.
pcares
не нормализует столбцы X. Для выполнения анализа основных компонентов на основе стандартизированных переменных, то есть на основе корреляций, используйте pcares(zscore(X), ndim)
. Можно выполнить анализ основных компонентов непосредственно на ковариационной или корреляционной матрице, но без построения невязок, при помощи pcacov
.
[residuals,reconstructed] = pcares(X,ndim)
возвращает восстановленные наблюдения; то есть приближение к X
полученный путем сохранения его первого ndim
основные компоненты.
Этот пример показывает падение невязок из первой строки данных Hald, когда количество размерностей компонента увеличивается с одного до трех.
load hald r1 = pcares(ingredients,1); r2 = pcares(ingredients,2); r3 = pcares(ingredients,3); r11 = r1(1,:) r11 = 2.0350 2.8304 -6.8378 3.0879 r21 = r2(1,:) r21 = -2.4037 2.6930 -1.6482 2.3425 r31 = r3(1,:) r31 = 0.2008 0.1957 0.2045 0.1921
[1] Jackson, J. E., A User's Guide to Principal Components, John Wiley and Sons, 1991.
[2] Jolliffe, I. T., Principal Component Analysis, 2nd Edition, Springer, 2002.
[3] Кржановски, У. Дж. Принципы многомерного анализа: перспектива пользователя. Нью-Йорк: Oxford University Press, 1988.
[4] Себер, Г. А. Ф. Многомерные наблюдения. Hoboken, NJ: John Wiley & Sons, Inc., 1984.