PCA主成分分析和EOF经验正交函数分解有什么区别

2019-11-15 03:17:56

这俩本质上是一回事，只不过关注的重点不一样。按照十大正规网投平台的理解来说，都是通过相关系数或者协方差矩阵得到原始序列增广矩阵A，然后通过雅克比迭代求得A的特征向量以及对应的新的序列。不同之处在于可能关注的东西不一样。在EOF中，十大正规网投平台更加关注得到的特征向量，如果是针对气象数据的计算，那么就是重新拟合的要素场或者说模态。相对来说，时间系数的关注程度就没有那么高。而PCA中，所谓主分量，就恰好是EOF中得到的时间系数。所以，通过名字来说，应该是一个关注重点的问题。然而本质上两者并没有任何差别。所以题主问题中说的两种矩阵形式（协方差和相关系数）在无论EOF或PCA中都可以进行计算，两者也没有什么区别。你既可以说你在这里应用了EOF计算得到了几个模态和对应的时间系数，也可以说应用PCA计算得到了几个特征向量和主分量。关注的东西是一样的，只不过是说法习惯而已。可能国内来说更多文献里提到的是EOF经验正交分解，而国外的很多文献中偏好于使用PCA即主分量分析这个名字。贴上这个图应该就更明白了……文献来源WilksStatisticalMethodsintheAtmosphericSciences第十一章就专门讲PCA

相关产品

相关资讯