主成分分析与因子分析

可用于数据预处理，对数据进行降维，增加网络的泛化性能

主成分分析法(PCA)是一种常用的数据分析手段。对于一组不同维度之间可能存在线性相关关系的数据，PCA能够把这组数据通过正交变换变成各个维度之间线性无关的数据。经过PCA处理的数据中的各个样本之间的关

详细介绍了主成分分析在数学建模中的应用，包括matlab代码等

主成分分析大礼包，包括了多个Matlab源码，还有主成分分析的相关原理PPt

主成分分析和MATLAB应用

主成分分析（PrincipalComponentAnalysis，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。

主成分分析法案例讲解Ppt,多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。

多元统计应用第一节主成分的基本原理第二节主成分的数学原理第三节主成分分析在经济指标综合评价中的应用第四节主成分回归分析推荐阅读从统计分析角度来看，一个指标(看作随机变量)或一串数据所含有的信息，可以用

用java实现的主成分分析算法，用了Jama.Matrix，用的是Jama-1.0.2.jar。代码有备注，希望有帮助。

用matlab实现的MPCA算法，需在matlab里安装张量工具包