在主成分分析法中對主成分進行旋轉後其表示式怎麼寫

1樓:

你學過線性代數bai嗎?需要du

你真正理解矩陣的特徵值zhi和特徵向量dao的意義,也就是專n維空間的各個維屬度上的特徵值和特徵向量。

還是以簡單的高中知識向你做個比喻吧,一條在第一第三象限的角平分線上的線段,在座標軸上的投影不能反映出它的最真實情況,因為縮小了根2倍,最佳方法是把座標軸逆時針旋轉45度才行。

這是二維空間的例子,其實n維空間旋轉和這個例子是一個道理的。

spss裡面的主成分分析的旋轉代表什麼意思

2樓:

你學過線性代數bai嗎?需要你真正理du解矩zhi陣的特徵值和特徵向量dao的意義,也回就是n維空間的各個維度答上的特徵值和特徵向量。

這是二維空間的例子,其實n維空間旋轉和這個例子是一個道理的。

急急急!spss主成分分析都要把旋轉中方法設為最大方差法嗎,公因子問題請教

3樓:呂秀才

最大方差bai旋轉只是

其中du的一種旋轉方法,因為該方zhi法旋轉後dao的結果很清楚,專所以一般預設選擇都是這屬種方法

至於你做主成分分析是需要看你的原始資料情況的,如果你原始資料變數就很少,不超過三五個這樣的,就沒必要做主成分分析。看

看你的資料應該是做主成分分析的變數也就只有2個吧這樣根本沒必要做主成分分析

4樓:匿名使用者

1.你有幾組資料?資料變數太少(三四個)就沒必要主成分分析了內。一般來說,即使你的數

容據是三四組,2個公因子也不可能達到100%的貢獻率的,最多隻是接近100%。除非操作有誤或資料有誤或是你沒看明白結果。

2.一般來說,主成分分析(pca)要求資料之間自相關性不能太強,因此資料選取要考慮資料變數之間的相關性不能太強(彼此相關性太強的資料可以剔除,留下其中一組就行)。

3.每一個公因子f代表所有資料所反映的某一方面的共性,因此不同f之間是相互垂直的(所代表的資訊是彼此不相關的)。如果兩個公因子就達到95%以上的累積貢獻率,說明兩組共性就表達了絕大部分的總資訊量,所選資料代表的資訊量不是很大。

3.第一個公因子就達到85%以上,說明一個問題:資料組太簡單(同一變數的資料個數不夠),或是資料之間的相關性太強(一個資料就代表了其他資料的絕大部分資訊,資料多其實也只是重複反映同一個問題,等於資料不夠)。

這樣的資料不適合做pca分析。

5樓:匿名使用者

不是的,最大方差只是其中一個常用方法而已

我經常幫別人做類似的資料分析

6樓:

說明你只有兩個變數,那就沒必要進行主成分分析。