analisi delle componenti principali è una forma di riduzione dei dati . Dopo aver effettuato analisi delle componenti principali , verrà lasciato con una serie di vettori chiamati componenti principali . Il componente principale è la prima componente principale , quello con la più grande autovalore . Questo componente principale da sola può spiegare gran parte della variabilità all’interno di un dataset . Analisi delle componenti principali può aiutare i ricercatori a ridurre una complessa matrice di covarianza in un singolo vettore . Istruzioni

1

Creare una matrice diagonale con le voci “c “. Moltiplicare scalare ” c” dalla matrice identità che ha lo stesso numero di righe e colonne come matrice di covarianza . , Cioè , costruire la matrice cI .

2

Sottrarre cI dalla matrice di covarianza . L’equazione di questo è C – cI , supponendo che “C” è la matrice di covarianza . Il risultato sarà una matrice che ha valori numerici puri solo per gli elementi fuori dalla diagonale

3

Prendete il determinante di C – . CI . Utilizzare il metodo di calcolo determinanti su matrici quadrate ( C – cI è una matrice quadrata perché il suo numero di righe uguale al suo numero di colonne ) . Chiamare il determinante “D. ”

4

D pari a zero e risolvere l’equazione . Scrivere D = 0 . Questa è un’equazione con una variabile , “c “. Risolvere questa equazione utilizzando l’algebra , ottenendo più risultati per ” c “.

5

Osservare i valori di c . Questi valori sono gli autovalori della matrice di covarianza . Poiché si desidera che il componente principale ( l’autovettore corrispondente al più grande autovalore ) , è necessario costruire l’autovettore relativo al più grande c . Chiamare il più grande c ” m “.

6

Creare la matrice C- mi. Questa è una matrice quadrata simile alla matrice di covarianza ma con diversi elementi diagonali .

7

Moltiplicare la matrice C – mI da un vettore colonna di variabili , ” x “. Creare un vettore colonna , “x “, che ha lo stesso numero di colonne come C ha . Eseguire la moltiplicazione ( C – Mi) x . Il risultato sarà un vettore colonna di polinomi .

8

( C -MI ) x uguale a zero e risolvere per x utilizzando algebra delle matrici . La soluzione per x è l’autovettore di interesse : . L’elemento principale per la matrice di covarianza