多元方法 > 主成分
发布日期: 08/07/2020

主成分

对数据降维

主成分分析的目的是要从一组测量变量中得到少数几个相互独立的线性组合(主成分),使用它们来捕获原始变量中尽可能多的变异性。主成分分析是一种降维方法,也是一种探索性数据分析工具。主成分分析也可用于构造预测模型,如主成分分析回归(亦称 PCA 回归或 PCR)所述。

对于包含大量变量的数据,“主成分”平台提供称为“宽”方法的估计方法。“宽”方法使您能够在较短的计算时间内计算主成分。随后可将这些主成分用在 PCA 回归中。

对于包含大量零的数据,也称为稀疏数据,“主成分”平台提供“稀疏”估计方法。与“宽”方法类似,“稀疏”方法能够以较短的计算时间计算主成分。与“宽”方法的不同之处在于,“稀疏”方法计算用户定义的固定数量的主成分,而不是完整集合。

“主成分”平台还支持因子分析。JMP 提供若干类型的正交和斜交因子分析样式的旋转,用来帮助解释提取的成分。有关因子分析的信息,请参见因子分析

主成分示例 

目录

“主成分分析”平台概述

主成分分析的示例

启动“主成分”平台

缺失数据

“主成分”报表

“主成分”报表选项

离群值分析

“主成分分析”平台的统计详细信息

估计方法
DModX 计算
离群值分析中的计算
需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).