Navigation: 使用PRISM10进行统计 > 主成分分析
了解主成分分析
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