锐客网

  1. 首页 > 睿知 > >

主成分分析法评价功能浅析

经验分享睿知

2.高手成分 分析法 。因子分析法与委托人成分的区别及联系因子分析与委托人成分的异同:原始数据标准化；都消除了原指标相关性对综合造成的信息重复的影响评价；构造合成评价所涉及的权重是客观的；在信息损失不大的前提下，减少评价工作量的公因数比主成分更容易解释，因子分析评价的结果不如主分析成分准确；因子分析的计算工作量大于principal 成分 analysis，Principal 成分分析只是变量变换，而因子分析需要构建因子模型 。

1、 评价方法 评价方法介绍1、现代综合评价方法有main 成分 分析法、数据包络分析法、模糊评价等等 。2.高手成分 分析法 。Principal 成分分析是多元统计分析的一个分支 。通过正交变换，将分量相关的原始随机向量变换为分量不相关的新随机向量，并用方差作为信息量的度量来降低新随机向量的维数 。然后 ， 通过构造适当的价值函数，对系统进行进一步的变换 。3.数据信封分析法 。它是以其创始人CR模型命名的DEA模型 。

2、基于主 成分 分析法的长沙市土地生态安全 评价:土地生态安全摘要:近年来，随着经济社会的发展，土地利用的强度和方式发生了变化，导致土地污染加剧，人地矛盾加剧 。因此，本文采用main-3分析法对长沙市2013年土地生态安全进行了分析，选取了8个具有代表性的评价因子构建了长沙市土地生态安全-2 。结果表明，产业结构、人口结构和城市化水平是影响长沙生态安全状况的关键因素，其他生态保护措施对改善区域生态环境也有明显效果 。在此基础上，提出了相关建议 。

3、统计学方法:主 成分分析(PCA本文重点介绍降维中常用的统计分析方法之一:Main 成分 分析法 。对于影响31城合成的8个指标评价，8个指标的权重由主成分 分析法，通过SPASS和Python进行操作 。Principalcomponentsanalysis的主要思想是通过线性组合(矩阵旋转)将原始变量转化为若干个行无关变量，新生成的变量包含了原始变量的大部分信息，从而达到降维的目的 。

【主成分分析法评价功能浅析】在实际使用中，如果变量之间的数据波动较大，就需要对数据进行归一化处理 。但在标准化的过程中，一些原本描述变量间离差差异的信息会被抹去 。所以标准化要看实际使用场景 。Principal 成分分析不要求数据服从正态分布，由于应用范围广，主要采用线性变换的技术 。通过对原始变量的综合和简化 ， 可以客观地确定各指标的权重，避免主观判断的随意性 。

    推荐阅读


    上一篇：spss做决策树分析

    下一篇：数学分析复旦