%求出累積貢獻率大于85%的主成分

NEW=z*v(:,1:i)%輸出產生的新坐標下的數(shù)據(jù)

W=100*eig1/sum(eig1)

figure(1)

pareto(W);%畫出貢獻率的直方圖

%主成分分析 PAC 的Matlab實現(xiàn)

clc

clear all

A=xlsread("D:\evaluation.xlsx",1,"B2:I16");% 數(shù)據(jù)的輸入及處理

%數(shù)據(jù)的標準化處理

a=size(A,1);%獲得矩陣A的行大小

b=size(A,2);%獲得矩陣A的列大小

for i=1:b

SA(:,i)=(A(:,i)-mean(A(:,i)))/std(A(:,i));%std函數(shù)是用來求向量的標準差

end

% %計算相關系數(shù)矩陣的特征值和特征向量

CM=corrcoef(SA);%計算相關系數(shù)矩陣

[V,D]=eig(CM);%計算特征值和特征向量

for j=1:b

DS(j,1)=D(b+1-j,b+1-j);%對特征值按降序排列

end

for i=1:b

DS(i,2)=DS(i,1)/sum(DS(:,1));%貢獻率

DS(i,3)=sum(DS(1:i,1))/sum(DS(:,1));%累計貢獻率

end

% % 選擇主成分及對應的特征向量

T=0.9;%主成分信息保留率

for k=1:b

if DS(k,3)>=T

Com_num=k;

break;

end

end

%提取主成分對應的特征向量

for j=1:Com_num

PV(:,j)=V(:,b+1-j);

end

% % 計算各評價對象的主成分得分

new_score=SA*PV;

for i=1:a

total_score(i,1)=sum(new_score(i,:));

total_score(i,2)=i;

end

result_report=[new_score,total_score];%將各主成分得分與總分放在同一個矩陣中

result_report=sortrows(result_report,-4);%按總分降序排序

% % 輸出模型及結果報告

disp("特征值及其貢獻率，累加貢獻率：")

DS

disp("信息保留率T對應的主成分數(shù)與特征向量：")

Com_num

PV

disp("主成分得分及排序(按第四列的總分進行排序，前三列為個主成分得分，第五列為企業(yè)編號)")

result_report

總結

以上是生活随笔為你收集整理的matlab 主成分 分类,matlab主成分分析的全部內容，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)站內容還不錯，歡迎將生活随笔推薦給好友。