主成分分析法具体步骤（主成分分析法）

你们好，最近小时发现有诸多的小伙伴们对于主成分分析法具体步骤，主成分分析法这个问题都颇为感兴趣的，今天小活为大家梳理了下，一起往下看看吧。

1、 PCA是主成分分析法。首先，不要想太多。如果用数学往下推，可能需要一些最小二乘法、SVD分解等比较难的知识，但幸运的是，如果只是想用主成分分析，可以借助计算机一步步操作。

2、 非常方便快捷。我将更新一下如何使用软件完成主成分分析的具体步骤的经验。这种体验还是讲究理解的。

3、 看下图，我们可以看到数据中有很多点，都是用两个坐标来表示的，就像我前面说的。我们经常需要用一个数字来直观地反映大小的关系。

4、 现在想一想，如果我们旋转图片，如下图所示，当我们旋转到某个位置时，让各点横坐标的平方和最大(这里用的方法是最小二乘法)，此时x的坐标值就是主元素1的值。

5、 通常我们在进行比较时使用主成分1。

6、 很多朋友会觉得主成分分析法混淆了，还有一个原因就是为什么有主元素2，3，4，5等等。这个时候发生了什么？我们来观察一下我刚才画的草图，其实让他们有x的最大坐标，

7、 其实对应的就是把自己的Y坐标最小化！他们的y坐标不是主元素2吗？再比如，在比较房屋质量时，如果考虑离市中心的距离和朝向，那么数据就是2维的，可以计算出不同房屋的主元1和主元2。

8、 如果加上一个地块绿化率，就可以计算出主元3，但需要注意的是，我们通常考虑的是主元1，主元2和主元3包含的有效信息较少。如果你发现主元2也很大，这个时候可能就要考虑主元2了。

9、 但实际上，主成分分离得越少越好。这是指标有效性评估的知识，以后会扩充很多，更新。

以上就是主成分分析法这篇文章的一些介绍，希望对大家有所帮助。