擅长:python、mysql、java
<p>对于三维的主成分分析,你基本上可以迭代地找到:1)保留最大方差的一维投影轴2)垂直于1的最大方差保留轴。第三个轴自动与前两个轴垂直。</p>
<p>根据解释的方差列出成分。所以第一个解释了最大的方差,以此类推。注意,根据PCA操作的定义,当您试图在第一步中找到用于投影的向量(这将保留的方差最大化)时,向量的符号无关紧要:让M作为您的数据矩阵(在您的情况下,形状为(20,3))。假设v1是在投影数据时保持最大方差的向量。当选择-v1而不是v1时,将获得相同的方差。(你可以看看这个)。然后,当选择第二个向量时,让v2是垂直于v1并保留最大方差的向量。同样,选择-v2而不是v2将保持相同的方差。然后可以选择v3作为-v3或v3。这里,唯一重要的是v1,v2,v3构成数据M的正交基。符号主要取决于算法如何解决PCA操作背后的特征向量问题。特征值分解或奇异值分解在符号上可能不同。</p>