最近我们被客户要求撰写关于特征值分解的研究报告，包括一些图形和统计输出。

R语言是一门非常方便的数据分析语言，它内置了许多处理矩阵的方法。

作为数据分析的一部分，我们要在有价证券矩阵的操作上做一些工作，只需几行代码。

有价证券数据矩阵在这里

D=read.table("secur.txt",header=TRUE)
M=marix(D[,2:10])
head(M[,1:5])

谱分解

对角线化和光谱分析之间的联系可以从以下文字中看出

> P=eigen(t(M)%*%M)$vectors
> P%*%diag(eigen(t(M)%*%M)$values)%*%t(P)

首先是这个矩阵的谱分解与奇异值分解之间的联系


> sqrt(eigen(t(M)%*%M)$values)

和其他矩阵乘积的谱分解


> sqrt(eigen(M%*%t(M))$values)

现在，为了更好地理解寻找有价证券的成分，让我们考虑两个变量

 > sM=M[,c(1,3)]
> plot(sM)

我们对变量标准化并减少变量（或改变度量）非常感兴趣

 > sMcr=sM
> for(j in 1:2) sMcr[,j]=(sMcr[,j]-mean(sMcr[,j]))/sd(sMcr[,j])
> plot(sMcr)

在对轴进行投影之前，先介绍两个函数

> pro_a=funcion(x,u
+   ps=ep(NA,nrow(x))
+   for(i i 1:nrow(x)) ps[i=sm(x[i*u)
+   return(ps)
+ }> prj=function(x,u){
+   px=x
+   for(j in 1:lngh(u)){
+     px[,j]=pd_cal(xu)/srt(s(u^2))u[j]
+   }
+   return(px)
+ }

例如，如果我们在 x 轴上投影，

> point(poj(scr,c(1,0))

然后我们可以寻找轴的方向，这为我们提供具有最大惯性的点

> iner=function(x) sum(x^2)
> Thta=seq(0,3.492,length=01)
> V=unlslly(Theta,functinheta)ietie(roj(sMcrc(co(thet)sinheta)))
> plot(Theta,V,ype='l')

> (ange=optim(0,fun(iothet) -ertieprojsMcrc(s(teta),
si(ta)))$ar)

通过画图，我们得到

 > plot(Mcr)

请注意，给出最大惯性的轴与谱分解的特征向量有关（与最大特征值相关的轴）。

>(cos(ngle),sin(ange))
[1] 0.7071 0.7070
> eigen(t(sMcr)%*%sMcr)

在开始主成分分析之前，我们需要操作数据矩阵，进行预测。

R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据相关推荐

矩阵分解之: 特征值分解(EVD)、奇异值分解(SVD)、SVD++
目录: 1.矩阵分解 1.1 矩阵分解的产生原因 1.2 矩阵分解作用 1.3 矩阵分解的方法 1.4 推荐学习的经典矩阵分解算法 2. 特征值分解(EVD) 3. 奇异值分解(SVD) 4. SVD ...
矩阵分解之特征值分解(EVD)、奇异值分解(SVD)、SVD++
矩阵分解之: 特征值分解(EVD).奇异值分解(SVD).SVD++_人鱼线的博客-CSDN博客_evd分解矩阵的特征分解和奇异值(SVD)分解--求法和意义_奔跑的Yancy的博客-CSDN博客_ ...
python 矩阵特征值分解_python3-特征值，特征分解，SVD奇异值分解
1.设A为n阶矩阵,若存在常数λ及n维非零向量x,使得Ax=λx,则称λ是矩阵A的特征值,x是A属于特征值λ的特征向量. A的所有特征值的全体,叫做A的谱,记为λ(A) 2.特征分解(Eigendec ...
【Matlab】特征值分解eig和奇异值分解svd
前言:当A是方阵时,使用eig特征值分解和实验svd奇异值分解,有什么异同? (1)特征值分解:函数eig 格式:[V,D] = eig(A) %计算A的特征值对角阵D和特征向量V,使AV= ...
R语言矩阵新增一列并提前作为第一列
R语言矩阵新增一列并提前作为第一列 R包 library(dplyr) data$Gene_id<-rownames(data)#新增一列并提前作为第一列 data<- data %> ...
oracle矩阵函数,R语言矩阵matrix函数
矩阵是元素布置成二维矩形布局的R对象. 它们包含相同原子类型的元素.尽管我们可以创建只包含字符或只逻辑值的矩阵,但是它们没有多大用处.我们使用的是在数学计算中含有数字元素矩阵. 使用 matrix() ...
R语言使用hexbin包的hexbin函数可视化散点图、应对数据量太大、且有数据重叠的情况、普通散点图可视化效果变差的情况、提供了对六边形单元格的二元绑定、通过图例颜色标定每一个区域数据点的数量
R语言使用hexbin包的hexbin函数可视化散点图.应对数据量太大.且有数据重叠的情况.普通散点图可视化效果变差的情况.hexbin函数提供了对六边形单元格的二元绑定.通过图例颜色标定每一个区域数 ...
R语言使用subset函数基于组合逻辑筛选dataframe符合条件的数据行（select observations）、并指定需要保留的dataframe数据列或者字段
R语言使用subset函数基于组合逻辑筛选dataframe符合条件的数据行(select observations).并指定需要保留的dataframe数据列或者字段目录
R语言ggplot2可视化：通过水平半小提琴图和抖动数据点可视化雨云图（Rain Cloud plots）、自定义雨云图中数据点的颜色（数据点的颜色和半小提琴图一致）
R语言ggplot2可视化:通过水平半小提琴图和抖动数据点可视化雨云图(Rain Cloud plots).自定义雨云图中数据点的颜色(数据点的颜色和半小提琴图一致) 目录

R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据

谱分解

R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据相关推荐

最新文章

热门文章