首页 > TAG信息列表 > eig
特征向量分解的eig函数
[V,D]=eig(A)：求矩阵A的全部特征值，构成对角阵D，并求A的特征向量构成V的列向量。 目前还差矩阵的特征值分解的学习，只有矩阵是对角阵？？还是说正定矩阵，才可以进行矩阵的特征分解，即分解成P∑P-1的形式？数学建模中的层次分析法笔记
1、层次分析法：用于评价类模型，建立模型要确定评价目标、实现目标的方案、评价准则。 2、层次分析法具体实现步骤（辅以具体例子说明）： （1）建立层次结构 解决评价类问题想到的问题： 我们评价的目标是什么？ 答：为小明同学选择最佳的旅游景点。 我们为了达到这个目标有哪几种可选的方案？ 答：三主成分分析详解和应用（python/R）
注：可直接看方法解析和应用部分，其余部分为笔者的推导详解。 目录 方法解析 python实现 数据模拟 数据标准化 求协方差矩阵及特征值和特征向量正交矩阵 修剪得到累积贡献率超过85%的特征值向量和特征向量矩阵 修剪后的特征向量与原始数据相乘得到降维后的数据 完整代码 应用 R实现PCA手写版
计算过程参考：《机器学习——主成分分析（PCA）》 代码： X = np.array([[-1, -2], [-1, 0], [0, 0], [2, 1], [0, 1]]) print(X) def PCA(X,n): #转置 X = np.transpose(X) #求特征的均值 X_mean = np.mean(X,axis =1) # 计算每一行的均值 X = X - X_mean.reshapeStata 数据分析
最近在学习STATA做分析的时候，发现这个软件很多功能很强大，但是背后的统计学知识要求也比较高，作为一边深入学习统计知识一遍用软件的小白，好多东西只是知其然不知其所以然，因此尝试自己把STATA的一些运算分解出来。因此这里记录一下学习内容。 在做STATA的主成分分析和因子分析的时Python实现客观赋权法
本文从阐述Python实现客观赋权法的四种方式： 一. 熵权法 二. 因子分析权数法(FAM) 三. 主成分分析权数法(PCA) 四. 独立性权系数法 Python实现客观赋权法，在进行赋权前，先导入数据（列：各维属性；行：各样本），并自行进行去空值、归一化等操作。 import pandas as pdimport numpy as npdata=Matlab中的eig函数和eigs函数的异同点
Matlab中的eig（）函数和eigs（）函数的异同点 1、相同点 都可以求解矩阵的特征值和特征向量 2、不同点 eig函数主要是给出矩阵的特征值和特征向量 eigs函数主要是通过迭代法来求解矩阵特征值和特征向量 3、实例 >> A = [1,2,3;4,5,6;7,8,9] A = 1