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数,同时尽可能多地保留数据中的信息。本部分的页面将提供一些背景信息,介绍执行PCA时使用的一些概念和技术。虽然Prism将在数据处理和计算方面执行所有“繁重工作”,但理解所涉及概念的基本原理在解释PCA结果时会非常有帮助。如果您想跳过理论,直接分析数据,指南的这一部分将为您提供每个分析可用选项的信息,这一部分将帮助您理解PCA产生的结果。

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

准备数据进行分析

使用方差确定主成分

主成分正交

特征值和特征向量

成分选择

经典的PC选择方法

平行分析

完整示例

表格结果

特征值

载荷(和特征向量)

PC评分

载荷图

PC评分图

双标图

特征值(Scree)图

方差比例图

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