components
analysis，pca）基本原理：利用降維（線性變換)的思想，在損失很少資訊的前提下把多個指標轉化為幾個不相關的綜合指標（主成分)，即每個主成分都是原始變數的線性組合，且各個主成分之間互不相關，使得主成分比原始變數具有某些更優越的效能（主成分必須保留原始變數90%以上的資訊），從而達到簡化系統結構，抓住問題實質的目的。
analysis，fa）基本原理：利用降維的思想，由研究原始變數相關矩陣內部的依賴關係出發，把一些具有錯綜複雜關係的變數表示成少數的公共因子和僅對某乙個變數有作用的特殊因子線性組合而成。就是要從資料中提取對變數起解釋作用的少數公共因子（因子分析是主成分的推廣，相對於主成分分析，更傾向於描述原始變數之間的相關關係）。
主成分分析和因子分析
1 主成分分析 pca 主成分分析 將原始特徵 變數 按一定的線性組合而成新的若干個變數，這些若干個變數就稱為主成分，通常主成分個數少於自變數個數，從而達成降維目的。主成分分析與svd都是可以降維，那麼它們的區別在哪？區別在於pca需要先計算協方差矩陣，接著通過協方差矩陣進行與svd相似的步驟 而s...
主成分分析與因子分析的區別
主成分分析和因子分析有十大區別 1.原理不同 主成分分析基本原理 利用降維 線性變換 的思想，在損失很少資訊的前提下把多個指標轉化為幾個不相關的綜合指標 主成分 即每個主成分都是原始變數的線性組合,且各個主成分之間互不相關,使得主成分比原始變數具有某些更優越的效能 主成分必須保留原始變數90 以上的...
主成分分析和因子分析的區別
兩者既有區別，又有聯絡 降維與分類是多元統計分析的兩個主題，在這裡，我 一下的主成分和因子分析主要用於降維。主成分分析就是將多項指標轉化為少數幾項綜合指標,用綜合指標來解釋多變數的方差 協方差結構。綜合指標即為主成分。所得出的少數幾個主成分，要盡可能多地保留原始變數的資訊，且彼此不相關。因子分析是研...