Otrzymana macierz zawiera wartości poszczególnych składowych dla poszczególnych przypadków.
Teraz należy zbadać korelacje poszczególnych składowych (mamy ich 3) ze zmiennymi wejściowymi (mieliśmy ich 5). Załóżmy, że pierwsza składowa jest mocno skorelowana z „wagą” i „wzrostem”, druga z „wiekiem”, a trzecia z „dochodem” i „powierzchnią mieszkania”. Przeanalizujmy zatem pierwszy wiersz otrzymanej macierzy:
Jeżeli element (1,1) tej macierzy ma dużą wartość, to oznacza to, że dana osoba jest duża (ma prawdopodobnie duży wzrost i dużą wagę). Jeśli element (1,2) jest duży, oznacza to, że dana osoba jest stara. Jeśli element (1,3) ma dużą wartość, to znaczy, że osoba ta jest zamożna (czyli najprawdopodobniej ma duży dochód i duże mieszkanie).
Normalizacja W przypadku rzeczywistych obliczeń należy dokonać normalizacji zmiennych (dla wszystkich przypadków). Brak normalizacji, w przypadku zmiennych o dużym rozrzucie zakresu wartości, spowoduje fałszywy wzrost znaczenia składowych o dużych wartościach. Np. dla powyższego przykładu, gdy wartości zmiennych będą w zakresie dziesiątek, a dochód osób liczony będzie w tysiącach złotych – dochód ten faktycznie stanie się pierwszą składową.
Zobacz też wektory i wartości własne
Bibliografia
Tutorial PCA
Kategoria:Statystyka Kategoria:Cyfrowe przetwarzanie sygnałów