基于正交迭代的有监督的稀疏主成分分析 |
| |
作者单位: | ;1.中国人民大学应用统计科学研究中心;2.中国人民大学统计学院;3.江苏师范大学商学院 |
| |
摘 要: | 主成分分析是经典的无监督的数据处理工具,近年来关于稀疏主成分和有监督的主成分研究受到较多关注。基于正交迭代和距离相关系数,提出一种有监督的稀疏主成分分析方法 SSPCA,该方法考虑了自变量与因变量之间的相关性,并在迭代求解的过程中将一些与因变量Y相关性很弱的自变量对应的系数变为0,使所求的特征向量只保留预测能力较强的自变量信息;在数值模拟与实例分析中,相比其他四种方法,SSPCA方法均能取得较好效果。
|
关 键 词: | 稀疏主成分分析 有监督主成分分析 主成分逆回归模型 拟合误差 预测误差 |
Supervised Sparse Principal Component Analysis Based on Orthogonal Iteration |
| |
Abstract: | |
| |
Keywords: | |
|
|