《表7 主成分显著分项表：园林历史研究中的量化及分析算法研究——以南京明、清杏花村地块为例》

  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

《园林历史研究中的量化及分析算法研究——以南京明、清杏花村地块为例》

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

注：（）内数据为3项中满足2项的样本数。The data in the bracket is the number which meets two rules in three.

主成分分析法不仅可以用于多维数据的降维，其分项组成还具有指示作用。数值的绝对值越大，该分项对特征的影响越明显。根据经验，绝对值大于0.40的组成对该主成分具有显著影响，绝对值为0.15～0.40的为弱影响[36-40]。基于上述原理，可以跨过传统研究范式中先分类后研究规律的步骤，利用主成分中的显著影响组成直接指示明显的数据规律，结果见表7，共得到4个特征向量大于0.92的主成分及其显著组成。表7中的4个主成分合计覆盖79%～86%的样本，特征数降低为原始矩阵的21%。在样本覆盖率和降低复杂度指标上提高明显，且单一类别达到45%，与传统或聚类算法持平。