這段時(shí)間一直在學(xué)習(xí)數(shù)據(jù)挖掘的一些算法，今天通過不斷查閱資料，學(xué)習(xí)整理了一下主成分分析這個(gè)數(shù)據(jù)降維算法。并且結(jié)合一個(gè)實(shí)例進(jìn)行matlab編程實(shí)現(xiàn)。

主成分基本原理

在數(shù)據(jù)挖掘中，經(jīng)常會遇到一個(gè)問題就是一個(gè)問題出現(xiàn)了n多個(gè)變量，而且變量之間還可能會存在各種復(fù)雜的相互聯(lián)系，變量之間并不是獨(dú)立的。那么主成分分析就是將多個(gè)變量綜合為少數(shù)幾個(gè)代表性的變量，而且這些主要的變量僅能夠代表原始變量的絕大多數(shù)信息又互不相關(guān)的一種數(shù)據(jù)降維算法。

主成分分析采取一種數(shù)據(jù)降維思想，其所要做的就是設(shè)法就原來眾多的具有一定相關(guān)性的變量，重新組合為一種新的相互無關(guān)的綜合變量來代表原來的眾多個(gè)變量。它借助于一個(gè)正交變換，將其分量相關(guān)的原隨機(jī)向量轉(zhuǎn)化成其分量不相關(guān)的新隨機(jī)向量，這在代數(shù)上表現(xiàn)為將原隨機(jī)向量的協(xié)方差陣變換成對角形陣，在幾何上表現(xiàn)為將原坐標(biāo)系變換成新的正交坐標(biāo)系，使之指向樣本點(diǎn)散布最開的p 個(gè)正交方向，然后對多維變量系統(tǒng)進(jìn)行降維處理，使之能以一個(gè)較高的精度轉(zhuǎn)換成低維變量系統(tǒng)，再通過構(gòu)造適當(dāng)?shù)膬r(jià)值函數(shù)，進(jìn)一步把低維系統(tǒng)轉(zhuǎn)化成一維系統(tǒng)。

主成分分析的原理是設(shè)法將原來變量重新組合成一組新的相互無關(guān)的幾個(gè)綜合變量，同時(shí)根據(jù)實(shí)際需要從中可以取出幾個(gè)較少的總和變量盡可能多地反映原來變量的信息的統(tǒng)計(jì)方法叫做主成分分析或稱主分量分析，也是數(shù)學(xué)上處理降維的一種方法。主成分分析是設(shè)法將原來眾多具有一定相關(guān)性（比如P個(gè)指標(biāo)），重新組合成一組新的互相無關(guān)的綜合指標(biāo)來代替原來的指標(biāo)。通常數(shù)學(xué)上的處理就是將原來P個(gè)指標(biāo)作線性組合，作為新的綜合指標(biāo)。最經(jīng)典的做法就是用F1（選取的第一個(gè)線性組合，即第一個(gè)綜合指標(biāo)）的方差來表達(dá)，即Var(F1)越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應(yīng)該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個(gè)指標(biāo)的信息，再考慮選取F2即選第二個(gè)線性組合，為了有效地反映原來信息，F1已有的信息就不需要再出現(xiàn)再F2中，用數(shù)學(xué)語言表達(dá)就是要求:
Cov（F1,F2）=0
則稱F2為第二主成分，依此類推可以構(gòu)造出第三、第四，……，第P個(gè)主成分。

PCA方法計(jì)算步驟
（1）首先對于原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。
X=

x11x21?xn1x12x22?xn2????x1px2p?xnp
那么就可以將X按照列進(jìn)行Z?score標(biāo)準(zhǔn)化.其轉(zhuǎn)化函數(shù)為：
x?=x?μσ
其中μ為按照列計(jì)算得到的樣本數(shù)據(jù)均值，σ 位按照列計(jì)算得到的樣本數(shù)據(jù)的標(biāo)準(zhǔn)差。
（2）計(jì)算經(jīng)過標(biāo)準(zhǔn)化處理后得到的數(shù)據(jù)的相關(guān)性矩陣。
R=
r11r21?rn1r12r22?rn2????r1pr2p?rnp
其中：rij=Cov(xi,xj)var(xi)√var(xj)√=∑k=nk=1(xki?xˉi)(xkj?xˉj)∑k=nk=1(xki?xˉi)√∑k=nk=1(xkj?xˉj)√，n>1.
（3）計(jì)算相關(guān)系數(shù)矩陣R特征值（λ1,λ2,?,λp 和相應(yīng)的特性向量ai=(ai1,ai2,?,ai3)
（4）對特征值進(jìn)行降序排列。
（5）計(jì)算降序排列后的特征值的貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率
contributionRate=λi∑pi=1λi
accumulativeContributionRate=∑ki=1λi∑pi=1λi,k≤p.
（6）計(jì)算主成分得分矩陣
根據(jù)標(biāo)準(zhǔn)化的原始數(shù)據(jù)，按照各個(gè)樣品，分別帶入主成分表達(dá)式，就可以得到各個(gè)主成分下的各個(gè)樣品的新數(shù)據(jù)，即主成分的得分。具體形式為：
F11F21?Fn1F12F22?Fn2????F1kF1k?Fnk
其中，Fij=aj1xi1+aj2xi2+?+ajpxip,i=1,2,?,n,j=1,2,?,k。

Matlab程序?qū)崿F(xiàn)

clc clear close all %% %數(shù)據(jù)導(dǎo)入 coporationEvaluation=xlsread('Coporation_evaluation.xlsx','B2:I16'); %% %數(shù)據(jù)預(yù)處理 %利用size函數(shù)得到數(shù)據(jù)集中的公司數(shù)量以及變量數(shù)量 [corporationNumber,variableNumber]=size(coporationEvaluation); %預(yù)先定義標(biāo)準(zhǔn)化后的數(shù)據(jù)矩陣 normalizedcorporationEvaluation=zeros(corporationNumber,variableNumber); %利用Z-score方法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化 for i=1:variableNumbernormalizedcorporationEvaluation(:,i)=(coporationEvaluation(:,i)-...mean(coporationEvaluation(:,i)))./std(coporationEvaluation(:,i)); end %% %數(shù)據(jù)相關(guān)系數(shù)矩陣求解以及相關(guān)系數(shù)矩陣的對應(yīng)的特征值以及特征向量求解。 %計(jì)算標(biāo)準(zhǔn)化后的數(shù)據(jù)集的相關(guān)系數(shù)矩陣relativeCoefficientMatrix=corrcoef(normalizedcorporationEvaluation);%計(jì)算相關(guān)系數(shù)矩陣的特征向量以及特征值矩陣， [eigenVector,eigenValueDig]=eig(relativeCoefficientMatrix); %因?yàn)槭褂胑ig函數(shù)計(jì)算得到的特征值為一個(gè)variable*variable的對角陣， %因此需要處理一下將特征值矩陣存放在一個(gè)行向量里面 eigenValue=zeros(variableNumber,1); for j=1:variableNumbereigenValue(j,1)=eigenValueDig(j,j); end %將特征值進(jìn)行降序排列 eigenValue=sort(eigenValue,'descend'); %% %計(jì)算排序后的主成分的貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率 for k=1:variableNumbercontributionRateOfEachEigenValue=eigenValue(k,1)/sum(eigenValue);accumulativeContributionRate(k,1)=sum(eigenValue(1:k,1))/sum(eigenValue); end %設(shè)置主成分信息保留率 pcaInformationRetensionRatio=0.9; %統(tǒng)計(jì)在滿足主成分保留率的主成分的數(shù)量。 for l=1:variableNumberif accumulativeContributionRate(l,1)>pcaInformationRetensionRatio;mainComponentNumber=l;break;end end %截取主成分對應(yīng)的特征向量 for ii=1:mainComponentNumbermainComponentBasedVector(:,ii)=eigenVector(:,variableNumber+1-ii); end %% %計(jì)算打分矩陣 scoreMatrix=normalizedcorporationEvaluation*mainComponentBasedVector; %計(jì)算最終的公司的總打分，finalScoreMatrix的第一列為打分值，第二列為公司序號。 for jj=1:corporationNumberfinalScoreMatrix(jj,1)=sum(scoreMatrix(jj,:));finalScoreMatrix(jj,2)=jj; end %對打分矩陣按照分?jǐn)?shù)那一列進(jìn)行降序排列 finalScoreMatrix=sortrows(finalScoreMatrix,-1); disp('the tope 5 corperations is: ') %輸出排名前5的公司序號 for kk=1:5finalScoreMatrix(kk,2) end

4 . 結(jié)果

1）特征值貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率：

特征值貢獻(xiàn)率累計(jì)貢獻(xiàn)率

5.7261		0.7170		0.7170
1.0972		0.1372		0.8547
0.5896		0.0737		0.9279
0.2858		0.0357		0.9636
0.1456		0.0182		0.9818
0.1369		0.0171		0.9989
0.0060		0.00075		0.9997
0.0027		0.002034		1.0000

2）公司打分以及排名

特征值貢獻(xiàn)率

4.235		9
3.971		1
2.367		8
1.970		6
1.798		5
1.103		13
0.752		15
0.168		14
-0.292		2
-1.007		10
-1.523		7
-2.054		4
-2.513		11
-3.643		3
-5.332		12

可依據(jù)打分結(jié)果得出，綜合實(shí)力最強(qiáng)的是序號為9的那家公司。

5 . Matlab自帶主成分分析函數(shù)pca對比驗(yàn)證
為了表明計(jì)算的準(zhǔn)確性，我再采用了matlab自帶的主成分函數(shù)pca進(jìn)行了一個(gè)對比驗(yàn)證。

[COEFF,SCORE,latent]=pca(zscore(coporationEvaluation))

返回的latent是一個(gè)向量，它是X所對應(yīng)的協(xié)方差矩陣的特征值向量。
我們主要看latent矩陣得到結(jié)果

特征值

5.7261
1.0972
0.5896
0.2858
0.1456
0.1369
0.0060
0.0027

發(fā)現(xiàn)計(jì)算結(jié)果是一樣的。

6 . 主成分分析法優(yōu)缺點(diǎn)
優(yōu)點(diǎn)：

　?、倏上u估指標(biāo)之間的相關(guān)影響。因?yàn)橹鞒煞址治龇ㄔ趯υ紨?shù)據(jù)指標(biāo)變量進(jìn)行變換后形成了彼此相互獨(dú)立的主成分，而且實(shí)踐證明指標(biāo)間相關(guān)程度越高，主成分分析效果越好。

　?、诳蓽p少指標(biāo)選擇的工作量，對于其他評估方法，由于難以消除評估指標(biāo)間的相關(guān)影響，所以選擇指標(biāo)時(shí)要花費(fèi)不少精力，而主成分分析法由于可以消除這種相關(guān)影響，所以在指標(biāo)選擇上相對容易些。

　?、壑鞒煞址治鲋懈髦鞒煞质前捶讲畲笮∫来闻帕许樞虻?#xff0c;在分析問題時(shí)，可以舍棄一部分主成分，只取前面方差較大的幾個(gè)主成分來代表原變量，從而減少了計(jì)算工作量。用主成分分析法作綜合評估時(shí)，由于選擇的原則是累計(jì)貢獻(xiàn)率≥85%，不至于因?yàn)楣?jié)省了工作量卻把關(guān)鍵指標(biāo)漏掉而影響評估結(jié)果。

　　缺點(diǎn)：

　?、僭谥鞒煞址治鲋?#xff0c;我們首先應(yīng)保證所提取的前幾個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到一個(gè)較高的水平（即變量降維后的信息量須保持在一個(gè)較高水平上），其次對這些被提取的主成分必須都能夠給出符合實(shí)際背景和意義的解釋（否則主成分將空有信息量而無實(shí)際含義）。

　　②主成分的解釋其含義一般多少帶有點(diǎn)模糊性，不像原始變量的含義那么清楚、確切，這是變量降維過程中不得不付出的代價(jià)。因此，提取的主成分個(gè)數(shù)m通常應(yīng)明顯小于原始變量個(gè)數(shù)p（除非p本身較小），否則維數(shù)降低的“利”可能抵不過主成分含義不如原始變量清楚的“弊”。

　?、郛?dāng)主成分的因子負(fù)荷的符號有正有負(fù)時(shí)，綜合評價(jià)函數(shù)意義就不明確。

總結(jié)

以上是生活随笔為你收集整理的主成分分析以及应用：企业综合实力排序的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。