《表4 Python和SPSS主成分分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于主成分分析算法的市售南极磷虾油品质分析模型构建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

抽出样品17和样品18作为模型验证，使用Python构建的PCA函数和SPSS22.0对2.1的其余样品三类参数进行降维，各提取1个主成分，提取主成分的情况如表4所示。由表4可知，三类参数分别提取1个主成分后，各主成分的贡献率分别为93.23%、94.32%和95.49%，表明上述3个主成分指标能分别代表样品的功能性成分含量、挥发性风味物质和色泽指标；SPSS 22.0和Python的分析结果不一致，但经分析发现，3组主成分两者分析方法结果呈现极强的线性关系，相关系数R2=1，表明两种分析方法的区别为仅经过了一维的线性变换。查阅相关说明文档可知，SPSS在输出数据时对结果进行了标准化操作使其期望为0，方差为1，但上文中构建的PCA函数未执行标准化操作。结合PCA函数构建中的数学推导过程，表明Python应用于PCA时，得到的结果与SPSS软件是等同的。此外，SPSS和Python对挥发性风味物质主成分贡献率的计算（94.32%）和Smart Nose软件的计算结果（99.1%）不同，可能是因为两者提取的主成分数不同及Smart Nose软件采用了特定的商业性优化算法。