你好。请问pca分析中。贡献率是怎么算的？在输出结果中哪里看呢？我用的Canoco 软件。在excel中可以计算吗？又怎么算呢？谢谢你 我没用过Canoco；可以用excel算，不过比SPSS麻烦。
Stata软件 做主成分分析，如何画前三个主成份的散点图呢？ 贡献率太低啦用screeplot就可以实现啦
matlab pca主成分的贡献率太低是什么原因 pca的主成分是由原始数据与得分矩阵共同得到的，这可能与你目标成分的选取有关
pca是什么意思 PCA·1-主成分分析主成分分析(Principal Component Analysis，PCA)是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n′m 的数据矩阵，n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面，PCA 就是这样一种分析方法。PCA 主要 用于数据降维，对于一系列例子的特征组成的多维向量，多维向量里的某些元素本身没有区分性，比如某个元素在所有的例子中都为1，或者与1差距不大，那么这个元素本身就没有区分性，用它做特征来区分，贡献会非常小。所以我们的目的是找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，从而使特征留下的都是“精品”，而且计算量也变小了。对于一个k维的特征来说，相当于它的每一维特征与其他维都是正交的(相当。
主成分分析（PCA）主成分维度怎么选择？ 想请教一下各位大神，在主成分分析中，对于N阶方阵从其特征向量中提取K个主特征向量，这里我想问一下，这…
