91av视频/亚洲h视频/操亚洲美女/外国一级黄色毛片 - 国产三级三级三级三级

  • 大小: 2KB
    文件類型: .m
    金幣: 1
    下載: 1 次
    發布日期: 2021-07-16
  • 語言: Matlab
  • 標簽: PCR??

資源簡介

本程序是主成分回歸的一個詳細舉例,有注釋,方便做主成分回歸分析的人參考。

資源截圖

代碼片段和文件信息

clc
clear?all
x0=[7111117113122111110;26295631525571315447406668;615886917221842398;6052204733226442226341212]‘;
y0=[78.574.3104.387.695.9109.2102.772.593.1115.983.8113.3109.4]‘;
x=[ones(size(x01)1)x0];
[bbintrrintstats]=regress(y0x0.05);%對y和x0直接進行線性回歸得到回歸方程
R=corrcoef(x0);%求x0的相關系數矩陣確定是否存在共線性,從而決定是否需要進行因子分析
xb=zscore(x0);%對x0進行標準化
yb=zscore(y0);%對y0進行標準化
[pcscorelatenttsquare]?=?princomp(xb);%pc為系數矩陣,F1=0.7064Zx1+0.0397Zx2+0.7067Zx3;
%score為主成分得分,即F1、F2、F3的數值,是按照特征根的大小進行排列;latent為一個列向量,是相關矩陣的特征根按大小的排列;
%tsquare是每個數據點的HotellingT2統計量(tsquare);
contr=cumsum(latent)/sum(latent);%得到各主成分貢獻
num=input(‘請選擇輸入主成分個數‘);%根據主成分的貢獻選擇主成分個數
score1=[ones(size(score1)1)score(:1:num)];
[b1bint1r1rint1stats1]=regress(ybscore10.05);%對標準化的y0

評論

共有 條評論