Ejemplo: análisis de componentes principales y covarianza

Funciones > Vector y matriz > Características de array > Ejemplo: análisis de componentes principales y covarianza

Calcule la covarianza de un conjunto de datos y utilice las funciones eigenvals y eigenvec para realizar un análisis de componentes principales.

1. Defina la siguiente matriz D.

Cada fila de D representa una observación, cada columna representa una característica medida.

2. Calcule la matriz de covarianza de la muestra.

3. Calcule y clasifique los autovalores.

<region id="ID0EQ1BFB" 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. Calcule la matriz de la transformada.

<region id="ID0EO3BFB" 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="ID0E33BFB" 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. Transforme los datos originales.

6. Calcule la matriz de covarianza de los datos transformados.

Los componentes principales de los datos son los elementos diagonales de la matriz S2.

Temas relacionados

Vectores propios y autovalores

¿Fue esto útil?