Please enable JavaScript to view this site.

主成分分析(PCA)是一种多元技术,用于降低数据集的维度,同时尽可能多地保留数据信息。本节将介绍在执行 PCA 时使用的一些概念和技术的背景信息。尽管 Prism 将完成数据处理和计算方面的所有 "重任",但在解读 PCA 结果时,了解相关概念的基本原理会非常有帮助。如果您想跳过理论,直接进行数据分析,本指南的这一部分将为您提供有关每个可用分析选项的信息,本部分还将帮助您理解 PCA 生成的结果。

PCA 背后的概念

降维

特征选择和特征提取

将数据投影到更低的维度

PCA 过程

准备分析数据

利用方差定义主成分

主成分是正交的

特征值和特征向量

选择成分

选择主成分的经典方法

平行分析

完整本示例

表格结果

特征值

载荷(和特征向量)

PC 分数

载荷图

PC 分数图

联立图

特征值(Scree)图

方差比例图

© 1995-2019 GraphPad Software, LLC. All rights reserved.