主成分分析的基本思想
主成分分析的基本思想是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。
主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。
主成分分析首先是由K.皮尔森（Karl Pearson）对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。
历史：
1846年，Bracais提出的旋转多元正态椭球到“主坐标”上，使得新变量之间相互独立。皮尔逊（Pearson）（1901）、霍特林（Hotelling）（1933）都对主成分的发展做出了贡献，霍特林的推导模式被视为主成分模型的成熟标志。主成分分析被广泛应用于区域经济发展评价，服装标准制定，满意度测评，模式识别，图像压缩等许多领域。
~
主成分分析的基本思想
答：主成分分析的基本思想是将原始数据空间进行线性变换，使得变换后的新向量（主成分）在某种意义下最优。它通过构造新的坐标系统，使得第一个坐标轴尽可能地表示数据中的最大方差，第二个坐标轴尽可能地表示数据中的第二大方差，以此类推。这样可以使得数据中的主要特征被放大，而次要特征被缩小。具体来说...
主成分分析的基本思想
答：主成分分析的基本思想是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。在实际...
主成分分析详解
答：1、基本思想 主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，...
中期成分分析法和后期成分分析法的区别
答：根据查询中期成分分析法和后期成分分析法的区别资料显示，原理不同，成分分析基本原理：利用降维（线性变换)的思想，在损失很少信息的前提下把多个指标转化为几个不相关的综合指标（主成分)，即每个主成分都是原始变量的线性组合，且各个主成分之间互不相关，使得主成分比原始变量具有某些更优越的性能，从而...
基于主成分分析的岩性信息提取
答：在多光谱遥感影像中，各个波段影像之间存在相关性，并包含了冗余信息，基于主成分分析的基本思想是，将一组线性相关的变量变为一组相互独立的、相互正交的变量，而新的变量是输入变量的线性组合。这样就能消除各个波段影像之间的信息冗余。这种方法，所得到的结果是能够改变 P 个波段影像变换到 Y ( Y ＜...
主成分分析的主要步骤包括
答：（一）主成分分析法的基本思想 主成分分析（Principal Component Analysis ）是利用降维的思想，将多个变 量转化为少数几个综合变量（即主成分），其中每个主成分都是原始变量的线性 组合，各主成分之间互不相关，从而这些主成分能够反映始变量的绝大部分信 息，且所含的信息互不重叠。[2]采用这种方法...
语文句子成分分析
答：小学语文基础知识之句子成分分析 主谓宾,定状补 主干枝叶分清楚 主干成分主谓宾 枝叶成分定状补 定语必居主宾前 谓前为状谓后补 学语文,有口诀 主谓宾、定状补,主干枝叶分清楚。 定语必居主宾前,谓前为状谓后补。 状语有时位主前,逗号分开心有数。 基本成分主谓宾,连带成分定状补。定语必居主宾前,谓前为...
pca主成分分析
答：主成分分析 法是通过 恰当 的数学变换 ,使新变量—— 主成分成为原变量 的线性 组合 ,并选 取少数 几个在变差总信息量中 比例较 大的主成分来分析 事物 的一种方法 。 主成分在变差信息量中的比例越大 , 它在综合评价 中的作用就越大。 思想: 整体思想就是化繁为简,抓住问题关键,也就是降维思想。
PCA(主成分分析) 一
答：主成分分析是利用降维的思想， 在力求数据信息丢失最少的原则下，对高维的变量空间降维，即在众多变量中找出少数几个综合指标（原始变量的线性组合），并且这几个综合指标将尽可能多地保留原来指标变异方面的信息，且这些综合指标互不相关。这些综合指标就称为主成分。主成分的数目少于原始变量的数目。主...
主成分分析是什么意思
答：主成分分析是一种多变量统计分析方法，是利用线性代数的基本原理将原始数据转换为新的低维度数据的过程。主成分分析可以帮助我们发现数据中的主要变化趋势和特征，从而简化数据集并提高理解分析结果的能力。主成分分析的核心思想是在保留数据总体方差的情况下，尽可能将原始数据向较少的几个主成分方向上进行...
