¿Cuáles son las características de la varianza de los componentes principales en el análisis de componentes principales?
En el análisis de componentes principales, primero se debe realizar la estandarización. El valor propio calculado en función de la matriz de covarianza estandarizada es preciso y el valor propio es la varianza del componente principal.
A veces hay muchos componentes principales. Cuantos más elementos quieras analizar, más componentes principales tendrás. El análisis de componentes principales requiere que los datos se acerquen a una distribución normal, no necesariamente a una condición de distribución normal estricta. En términos generales, el tamaño de la muestra es superior a 100, lo que básicamente cumple con las condiciones. El análisis de conglomerados requiere que la varianza dentro de cada grupo sea pequeña y la varianza entre grupos sea grande. En circunstancias normales, este requisito será relativamente fácil de lograr siempre que el método se seleccione adecuadamente.
Aplicación de la aplicación
Como método de análisis matemático básico, el análisis de componentes principales tiene una amplia gama de aplicaciones prácticas, como demografía, geografía cuantitativa, simulación de dinámica molecular y modelado matemático. análisis matemático y otras materias. Es un método de análisis multivariado comúnmente utilizado. ?
El análisis de componentes principales (PCA) intenta recombinar muchos indicadores relacionados (como los indicadores P) en un nuevo conjunto de indicadores integrales no relacionados para reemplazar los indicadores originales.
El análisis de componentes principales (PCA) es un método estadístico multivariante que se utiliza para estudiar la correlación entre múltiples variables. Estudia cómo revelar la estructura interna de múltiples variables a través de varios componentes principales, es decir, derivar varios componentes principales de las variables originales para que retengan la mayor cantidad de información posible de las variables originales y no estén correlacionados entre sí. El procesamiento matemático habitual consiste en combinar linealmente los indicadores P originales como un nuevo indicador integral.