Navigation: PRISM 10的统计数据 > 主成分分析
理解主成分分析
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