主成分分析 | 食品添加物合法業者資訊網
C2第二主成分:找一個C2,使得C2與C1的共變異數(相關係數)為0,以免與C1訊息...主成分分析經常用於減少數據集的維數,同時保留數據集當中對變異數貢獻最大的特徵。...請注意,如果B完全由實數組成,那麼共軛轉置與正常的轉置一樣。...ISBN978-0-387-95442-4;^A.A.Miranda,Y.A.LeBorgne,andG.Bontempi.
在多元統計分析中,主成分分析(英語:Principal components analysis,PCA)是一種統計分析、簡化數據集的方法。它利用正交轉換來對一系列可能相關的變數的觀測值進行線性轉換,從而投影為一系列線性不相關變數的值,這些不相關變數稱為主成分(Principal Components)。具體地,主成分可以看做一個線性方程式,其包含一系列線性係數來指示投影方向。PCA對原始數據的正則化或預處理敏感(相對縮放)。
基本思想:
將坐標軸中心移到數據的中心,然後旋轉坐標軸,使得數據在C1軸上的變異數最大,即全部n個數據個體在該方向上的投影最為分散。意味著更多的訊息被保留下來。C1成為第一主成分。 C2第二主成分:找一個C2,使得C2與C1的共變異數(相關係數)為0,以免與C1訊息重疊,並且使數據在該方向的變異數儘量最大。 以此類推,找到第三主成分,第四主成分……第p個主成分。p個隨機變數可以有p個主成分[1]。主成分分析經常用於減少數據集的維數,同時保留數據集當中對變異數貢獻最大的特徵。這是通過保留低維主成分,忽略高維主成分做到的。這樣低維成分往往能夠保留住數據的最重要部分。但是,這也不是一定的,要視具體應用而定。由於主成分分析依賴所給數據,所以數據的準確性對分析結果影響很大。
主成分分析由卡爾·皮爾森於1901年發明[2],用於分析數據及建立數理模型,在原理上與主軸定理相似。之後在1930年左右由哈羅德·霍特林獨立發展並命名。依據應用領域的不同,在信號處理中它也叫做離散K-L 轉換(discrete Karhunen–Loève transform (KLT))。其方法主要是通過對共變異數矩陣進行特徵分解[3],以得出數據的主成分(即特徵向量)與它們的權值(即特徵值[4])。PCA是最簡單的以特徵量分析多元統計分布的方法。其結果可以理解為對原數據中的變異數做出解釋:哪一個方向上的數據值對變異數的影響最大?換而言之,PCA提供了一種降低數據維度的有效辦法;如果分析者在原數據...
【LEAB | 食品添加物合法業者資訊網
LEAB | 食品添加物合法業者資訊網
食品添加物業者及產品登錄資料集 | 食品添加物合法業者資訊網
SQL | 食品添加物合法業者資訊網
SQL: SELECT * FROM this | | 食品添加物合法業者資訊網
SQL: SELECT * FROM this | 食品添加物合法業者資訊網
主成分分析 | 食品添加物合法業者資訊網
【LE/A-642.00 第二成分B】食品添加物產品登錄碼:TFAB20000016004
添加物名稱:LE/A-642.00第二成分B;LE/A-642.00Part2B食品添加物產品登錄碼:TFAB20000016004食品業者登錄字號:A-153019339-00...