2) Principal component analytical method
主成分分析方法
1.
Principal component analytical method can get rid of disadvantages of other methods,reduce subjective factors and make analytical result reflect facts objectively.
主成分分析方法能够克服一些其他分析方法的缺点,减少主观的因素,使分析结果能够客观地反应事实。
3) PCA
主成分分析方法
1.
To quantitatively predict the activity of androgen receptor ligands,a dataset composed of 150 diversified compounds was built based on multivariate linear regression analysis and principal component analysis(PCA).
结果发现逐步筛选法和主成分分析方法所建模型都表现出较强的预测能力(应用于检验集的相关系数分别为R=0。
2.
We can simplify the analysis of the change of interest rate curve by using the PCA(principal(components) analysis),and get better known to the term structure of the interest rates.
文章认为运用主成分分析方法能极大地简化对利率曲线变化的分析,便于准确了解利率曲线结构变动的模式。
4) Principal Component Analysis
主成分分析方法
1.
In this paper, based on the construction of the index system for financial evaluation of public corporations, a multiple financial system (MFS) is obtained by using the principal component analysis method, thus the objective and reasonable basis for making investment decision is provided.
在构建上市公司财务评价指标体系的基础上，应用主成分分析方法对各财务指标进行综合，得到复合财务系数，从而为投资者提供了客观、合理的决策依
2.
In this paper, authors introduce simply principle and procedure of the method of principal component analysis (PCA) and use two examples to set forth concretely the application of PCA in regional economy.
主成分分析方法 (PCA)及采用此法做综合评价的原理和步骤 ,并用两个方面的实例具体阐述了主成分分析方法在区域经济研究中的应用 ,最后对这种方法的特点及应用中须注意的问题进行了初步总
3.
The study of this analysis is by using the factor analysis method of principal component analysis and regression analysis to investigate several factors:the income,fairness of income distribution,interest rates and prices of financial assets,in consumer spending.
本分析报告采用因子分析中的主成分分析方法和回归分析方法,考察收入、收入分配的公平性、利率、物价水平、金融资产几个因素对我国居民消费支出的影响。
5) fuzzy principal component method
模糊主成分方法
6) the chief component assessment method of mainly composition
主成分评价方法
补充资料：主成分分析
| 主成分分析 principal component analysis 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条