Exemple : Analyse de composant principal et de covariance

Fonctions > Vecteur et matrice > Caractéristiques des tableaux > Exemple : Analyse de composant principal et de covariance

Calculez la covariance d'un jeu de données et utilisez les fonctions eigenvals et eigenvec pour effectuer l'analyse de composant principal.

1. Définissez la matrice suivante D.

Chaque ligne de D représente une observation, chaque colonne une caractéristique mesurée.

2. Calculez la matrice de covariance de l'échantillon.

3. Calculez et triez les valeurs propres.

<region id="ID0ELQTEB" top="921.6" left="38.4" width="233.816666666667" height="25.6" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math resultRef="5">
    <define xmlns="http://schemas.mathsoft.com/math50">
      <id label="None" xml:space="preserve">V</id>
      <apply>
        <id label="Function" xml:space="preserve" label-is-contextual="true">reverse</id>
        <apply>
          <id label="Function" xml:space="preserve" label-is-contextual="true">sort</id>
          <apply>
            <id label="Function" xml:space="preserve" label-is-contextual="true">eigenvals</id>
            <id label="Variable" xml:space="preserve" label-is-contextual="true">S1</id>
          </apply>
        </apply>
      </apply>
    </define>
    <resultFormat>
      <general precision="3" show-trailing-zeros="false" radix="dec" zero-threshold="15" imaginary-value="i" exponential-threshold="3" />
      <matrix size="12,12" offset="0,0" show-indices="false" expand-nested-arrays="false" />
    </resultFormat>
  </math>
</region>

4. Calculez la matrice de transformation.

<region id="ID0EJSTEB" top="1075.2" left="38.4" width="150.513333333333" height="36.8" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math resultRef="7">
    <define xmlns="http://schemas.mathsoft.com/math50">
      <apply>
        <indexer />
        <id label="Variable" xml:space="preserve">x</id>
        <id label="None" xml:space="preserve">j</id>
      </apply>
      <apply>
        <id label="Function" xml:space="preserve" label-is-contextual="true">eigenvec</id>
        <sequence>
          <id label="Variable" xml:space="preserve" label-is-contextual="true">S1</id>
          <apply>
            <indexer />
            <id label="Variable" xml:space="preserve" label-is-contextual="true">V</id>
            <id xml:space="preserve">j</id>
          </apply>
        </sequence>
      </apply>
    </define>
    <resultFormat>
      <general precision="3" show-trailing-zeros="false" radix="dec" zero-threshold="15" imaginary-value="i" exponential-threshold="3" />
      <matrix size="12,12" offset="0,0" show-indices="false" expand-nested-arrays="false" />
    </resultFormat>
  </math>
</region>

<region id="ID0EXSTEB" top="1132.8" left="38.4" width="166.673333333333" height="36.8" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math resultRef="8">
    <define xmlns="http://schemas.mathsoft.com/math50">
      <id label="None" xml:space="preserve">T</id>
      <apply>
        <id label="Function" xml:space="preserve" label-is-contextual="true">augment</id>
        <sequence>
          <apply>
            <indexer />
            <id label="Variable" xml:space="preserve" label-is-contextual="true">x</id>
            <real>0</real>
          </apply>
          <apply>
            <indexer />
            <id label="Variable" xml:space="preserve" label-is-contextual="true">x</id>
            <real>1</real>
          </apply>
          <apply>
            <indexer />
            <id label="Variable" xml:space="preserve" label-is-contextual="true">x</id>
            <real>2</real>
          </apply>
        </sequence>
      </apply>
    </define>
    <resultFormat>
      <general precision="3" show-trailing-zeros="false" radix="dec" zero-threshold="15" imaginary-value="i" exponential-threshold="3" />
      <matrix size="12,12" offset="0,0" show-indices="false" expand-nested-arrays="false" />
    </resultFormat>
  </math>
</region>

5. Transformez les données d'origine.

6. Calculez la matrice de covariance des données transformées.

Les principaux composants des données sont les éléments diagonaux de la matrice S2.

Rubriques associées

Vecteurs propres et valeurs propres

Est-ce que cela a été utile ?