使用Stata做主成分分析,利用stata如何做主成分分析做了详细的解释0171215
使用 Stata做主成分分析
original data space
PCA
component space
PC 1
PC 2
PC 1
Gene 2
Gene t
图1
但是,对于更高维的数据,能想象其分布吗?就算能描述分布,如何精确地找到这些主成分的
轴?如何衡量你提取的主成分到底占了整个数据的多少信息?所以,我们就要用到主成分分析的
处理方法。
3.数据降维
为了说明什么是数据的主成分,先从数据降维说
提出一种二维线性大间距判别分析（Two dimensional linear maximum margin discriminant analysis,2DLMMDA）的投影算法。该算法一方面采用了有效且稳定的大间距优化准则，引入了Laplacian矩阵，保持了特征矩阵的流形结构，且优化域为Laplacian类间散度与Laplacian类内散度之差，能克服Fisher准则带来的小样本问题；另一方面，采用了具有监督信息的判别分析，大大地提高了识别率。为了验证所提出的算法对特征提取的有效性，选择最
