主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。 在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。 主成分分析首先是由K.皮尔森（Karl Pearson）对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。
这时就需要借助主成分分析 (principl component nlysis)来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息,而且希望综合指标互相独登时各代表某一方面的性质。
基于2113个网页-相关网页
主成分分析法 PCA ; Principal components ; principal component regression ; principal components solution
核主成分分析 KPCA ; kernel PCA ; Kernel Principal component analysis
加权主成分分析 WPCA
概率主成分分析 PPCA ; Probabilistic Principal Component Analysis
全局主成分分析 GPCA ; global principal component analysis
类加权主成分分析 CWPCA
非线性主成分分析 NLPCA ; Nonlinear Principal Component Analysis
二维主成分分析 dpca ; d principal component analysis ; Two Dimensional Principal Component Analysis
鲁棒主成分分析 Robust PCA ; RPCA
主成分分析使用属性之间的相关性实现按列压缩。
The principal component analysis implements the column-wise compression, using the correlation between attributes.
上市公司；业绩评价；战略；主成分分析；熵值法。
Listed companies; performance evaluation; strategic; principal component analysis; entropy method.
对其中的几个主要因素进行主成分分析，剔除权重最小的因素；
Then analysis several main factors use of principal component analysis algorithm, rejecting the factor with minimum weight.
应用推荐