Scilab Website | Contribute with GitLab | Mailing list archives | ATOMS toolboxes
Scilab Online Help
2023.1.0 - 日本語


pca

正規化された変数により主成分解析を行う

呼び出し手順

[lambda,facpr,comprinc] = pca(x)

パラメータ

x

nxp (n独立, p 変数) の実数行列です. pcaは, 正規化された変数により主成分解析を行う際に xの列を 中心化および正規化することに注意してください.

lambda

p x 2数値行列. 最初の列には, Vの固有値が出力されます. ただし,Vはp x pの相関行列です. 2番目の列は対応する固有値と 固有値の合計の比となります.

facpr

主因子,Vの固有ベクトルです. 各列はR^pの双対の 固有ベクトルの要素です.

comprinc

主成分です.この n x n 行列の 各列(c_i=Xu_i)は, M個の主軸への個々の直交投影です. この列の各々は,条件 u'_i M^(-1) u_i=1の下での 変数x1, ...,xpの線形結合です.

説明

この関数は,"主成分解析"として知られる 複数の計算を行ないます.

この手法の背後のアイデアは, n個独立変量からなるクラスタを より小さな次元の部分空間に 近似的な手法で表すことです. これを行うために, この手法はクラスタを部分空間に投影します. k次元投影部分区間の選択は, 投影の距離が最小のゆがみを有するように行われます: 投影の距離の平方が最大化されるような k次元部分空間を探します(実際には投影では距離は伸ばすことのみできます). 言い換えると, 投影のk次元部分空間への投影の慣性は最大化される必要があります.

pcaの古いバージョンのグラフィックの部分は, 削除されています. この機能は,show_pca関数により 実行することができます.

a=rand(100,10,'n');
[lambda,facpr,comprinc] = pca(a);
show_pca(lambda,facpr)

参照

参考文献

Saporta, Gilbert, Probabilites, Analyse des Donnees et Statistique, Editions Technip, Paris, 1990.

Report an issue
<< covar Multivariate - regress correl PCA princomp >>

Copyright (c) 2022-2023 (Dassault Systèmes)
Copyright (c) 2017-2022 (ESI Group)
Copyright (c) 2011-2017 (Scilab Enterprises)
Copyright (c) 1989-2012 (INRIA)
Copyright (c) 1989-2007 (ENPC)
with contributors
Last updated:
Mon May 22 12:43:10 CEST 2023