利用PCA科学确定各个指标的权重系数

1、提取主成分

• 对样本进行PCA分析，查看不同变量贡献率，确定主要的指标。

我们可以通过下列代码获取需要的所有数据：

import numpy as np
from sklearn.decomposition import PCA

# 创建一个数据
np.random.seed(0)
data = np.random.random((100,5))
y = np.random.randint(0,6,100)

# 进行pca
pca = PCA()
x_new = pca.fit_transform(data)

# 获取每个特征对于每个主成分的贡献率
explained_variance_ratio = pca.explained_variance_ratio_
print("排序的贡献率:",explained_variance_ratio)

# 获取每个特征对于每个主成分的特征值（排序了的）
explained_variance = pca.explained_variance_
print("排序的特征值:",explained_variance)

# 获取每个特征对于每个主成分的特征值（未排序的）
cov_matrix = np.cov(data.T) # 计算协方差矩阵
eigen_values, eigen_vectors = np.linalg.eig(cov_matrix) # 计算特征值和特征向量
print("未排序的特征值:",eigen_values)

# 获取载荷系数，即特征向量
components = pca.components_
print("排序的载荷系数，即特征向量:\n",components) # 行代表主成分，即第一行为第一主成分

我们获得输出如下：

排序的贡献率: [0.2679184  0.22563357 0.20109877 0.16265843 0.14269083]
排序的特征值: [0.11390347 0.09592639 0.08549561 0.06915299 0.06066392]
未排序的特征值: [0.11390347 0.09592639 0.08549561 0.06066392 0.06915299]
排序的载荷系数，即特征向量:
 [[ 0.2792074   0.32459124  0.54648931  0.5063108   0.51154917]
 [ 0.38799128 -0.41011012  0.47386964 -0.6498715   0.18543747]
 [-0.48817892  0.14380819 -0.23333252 -0.33626022  0.75728829]
 [-0.11980573 -0.83842108 -0.10090177  0.45633566  0.25352175]
 [-0.72030127 -0.05309911  0.64200605 -0.00179817 -0.25723834]]

2、计算各个变量的权重系数

• 从上述结果中我们可以看出，前4个主成分的贡献率达到了85.73%，因此我们可以说所有指标基本可以由前四个主成分对应的指标代替（通过未排序的特征值确定是那几个指标）。
• 随后我们计算这四个主成分的线性组合公式。计算这四个主成分的线性组合公式，我们需要计算他们的系数。

  • 确定主成分在各线性组合中的系数。
    在之前，我们先假设这5个变量分别是：a1、a2、a3、a4、a5。他们的系数分别是：${\lambda }_1$、${\lambda }_2$、${\lambda }_3$、${\lambda }_4$、${\lambda }_5$。
    公式： 系数 = 载荷系数 / 对应主成分的特征值的开方
    即：${\lambda }_i=\frac{L_{ij}}{V_i}，其中：L_{ij}代表第i个主成分中第j个载荷的数值，V_i代表第i个主成分的特征值。$
    例如第一主成分的线性组合公式：
    ${\lambda }_1=\frac{0.2792074}{\sqrt{0.11390347}}=0.82729$
    ${\lambda }_2=\frac{0.32459124}{\sqrt{0.11390347}}=0.96176$
    ${\lambda }_3=\frac{0.54648931}{\sqrt{0.11390347}}=1.61924$
    ${\lambda }_4=\frac{0.5063108}{\sqrt{0.11390347}}=1.50019$
    ${\lambda }_5=\sqrt{0.11390347}$