城市空气质量评价的分类方法研究.docx

摘要: PCA（Principal Components Analysis）是主成分分析，通过线性变换在多个变量中选择几个重要变量的多元统计分析方法。也被称为主分量分析。其主要思想是降低数据维数，用较少的变量（主成分）来代替原来的多个变量，具有很好的降维方法.PCA具有方便的计算方法，简单的概念，它是一种常用的人脸识别技术之一。在多变量统计分析方法中，研究的主题，过多的变量的数目将增加任务的复杂性。人们变量的数目是越来越少，同时仍能够让你获得更多的信息。在很多情况下，变量之间存在着一定的关系，当变量之间有一定的相关性时，可以通过这两个变量来解释这一主题信息有一定的重叠。

主成分分析基本原理:  

目录

摘要

Abstract

1数据的收集和分析方法-1

1.1 数据的来源-1

1.2 Person相关性分析法-2

1.3主成分分析降维方法的理论知识-3

1.4 假设检验-4

2 分析结果-6

2.1相关性分析和线性回归-6

2.2 基于主成分分析方法的因子分析-9

3各城市数据比较-11

3.1 AQI值和PM2.5的比较分析-11

3.2质量等级比较分析-12

4 结论-16

附    录-17

致    谢-18